Predicting plasticity with soft vibrational modes: from dislocations to glasses
我们表明，准本地化的振动频谱中的低频模式可以用来构建软点，或容易重排的区域，作为一个通用的工具，用于识别固体中的流动缺陷。我们发现，软点不仅编码空间信息，通过它们的位置，而且方向信息，通过董事在每个软点内的粒子。具有孤立位错的单晶表现出低频声子模式，这些声子模式定位在核心，并且它们的偏振模式预测了原子在基本位错滑移过程中的运动。即使在多晶和无序固体中，我们发现与软点中的粒子相关的指向矢与重排中的粒子位移方向高度相关。
2014-03-04 cond-mat.mtrl-sci cond-mat.soft
Extended elastic model for flow in metallic glasses
我们报告说，剪切模量和体积模量，不仅剪切模量，都是关键参数参与均匀和非均匀流动的金属玻璃。不同玻璃的流动活化能（ΔF）与平均摩尔体积Vm成比例，定义为流动活化能量密度ρ_E =ΔF/Vm，可表示为：D=（10 G +K）/11。扩展的弹性模型对理解金属玻璃的玻璃化转变和变形具有启发意义。
2010-06-18 cond-mat.mtrl-sci
Predicting conductivities of alkali borophosphate glasses based on site energy distributions derived from network former unit concentrations
对于网络玻璃中的离子输运，根据结构特性预测电导率是一个巨大的挑战。为此，有必要了解离子发生热激活跳跃运动的能量景观。对于碱金属硼磷酸盐玻璃，提出了一种统计力学方法来预测移动碱金属离子驻留点能量分布的基本特征。从形成玻璃状网络的化学单元得到相应的位置能量分布。一个跳跃模型的基础上的网站能量景观允许模拟的电导率活化能的变化与硼酸盐磷酸盐的混合比。在这里，我们完善和扩展这种一般的方法，以应付最小的本地激活障碍，并计算直流电导率，而不需要进行广泛的蒙特卡罗模拟。这种计算依赖于映射的多体离子动力学到网络的本地电导来自移动离子的基本跳跃率。将理论模拟应用于三个系列的碱性硼磷酸盐玻璃，其组成为$0.33$ Li $_2$ O $-0.67$ [ $x$ B $_2$ O $_3$ - $(1\!-\!x)$ P $_2$ O $_5$ ]，$0.35$ Na $_2$ O $-0.65$ [ $x$ B $_2$ O $_3$ - $(1\!-\!x)$ P $_2$ O $_5$ ]和$0.4$ Na $_2$ O $-0.6$ [ $x$ B $_2$ O $_3$ -$(1\!-\!x)$ P $_2$ O $_5$ ]与实验数据吻合良好。
2021-11-10 cond-mat.mtrl-sci
Predicting CaO-(MgO)-Al2O3-SiO2 glass reactivity in alkaline environments from force field molecular dynamics simulations
在这项研究中，基于力场的分子动力学（MD）模拟已被用于生成一系列非晶四元CaO-MgO-Al_2 O_3-SiO_2（CMAS）和三元CaO-Al_2 O_3-SiO_2（CAS）玻璃的详细结构表示。模拟结果与选定的实验X射线和中子总散射和文献数据的比较表明，MD生成的结构已经捕获了这些CMAS和CAS玻璃的关键结构特征。基于MD生成的结构表示，我们开发了两个结构描述符，具体地说，（i）平均金属氧化物离解能（AMODE）和（ii）熔化时所有原子的平均自扩散系数（ASDC）。这两种结构描述符被认为是更准确地预测的相对玻璃反应性比常用的解聚度参数，特别是对于八个合成CAS玻璃，跨越宽的组成范围。因此，这些描述符具有很大的希望预测CMAS和CAS玻璃在碱性环境中的反应性，从组成信息。
2021-01-30 cond-mat.mtrl-sci
Efficient Learning Strategy for Predicting Glass Forming Ability in Imbalanced Datasets of Bulk Metallic Glasses
本文分析了非晶块体金属玻璃数据不平衡对机器学习预测玻璃形成能力的影响，提出基于修剪数据集与主动实验迭代学习的高效策略，并建立自动化工作流程以加速新成分开发。
2024-03-21 cond-mat.mtrl-sci
Predicting the failure of two-dimensional silica glasses
能够根据结构信息预测材料的失效是一个基本问题，对于设备和组件的监测具有巨大的实际和工业意义。由于深度学习的最新进展，即使对于高度无序的固体，准确的故障预测也变得可能，但该过程中使用的参数数量之多使得对结果的物理解释变得不可能。在这里，我们解决这个问题，并使用机器学习方法来预测失败的模拟二维二氧化硅玻璃从其初始未变形的结构。然后，我们利用加权类激活映射（梯度CAM）建立注意力地图与预测，我们证明，这些地图是服从物理解释的拓扑缺陷和局部势能。我们表明，我们的预测可以被转移到具有不同形状或大小的样本，而不是训练中使用的样本，以及实验图像。我们的策略说明了人工神经网络训练的数值模拟结果可以提供可解释的预测实验测量的结构的行为。
2022-01-24 cond-mat.dis-nn cond-mat.mtrl-sci physics.data-an
Predicting activation-barrier and plasticity-onset statistics in a model of glasses
Tohoku University（东北大学）；University of Amsterdam（阿姆斯特丹大学）；Weizmann Institute of Science（魏茨曼科学研究所）
本研究通过非线性模式框架推导出玻璃模型激活势垒和塑性起始的渐近分布及极值标度，并开发高效算法验证预测，为理解玻璃动力学提供统一理论。
2026-10-08 cond-mat.dis-nn cond-mat.mtrl-sci cond-mat.soft
Prediction of Silicate Glasses' Stiffness by High-Throughput Molecular Dynamics Simulations and Machine Learning
通过机器学习开发预测材料性能的模型通常需要使用大量一致的数据进行训练。然而，高质量的实验数据集并不总是可用或自洽的。在这里，作为一种替代途径，我们将机器学习与高通量分子动力学模拟相结合，以预测硅酸盐玻璃的杨氏模量。我们证明，这种结合的方法提供了很好的预测在整个组成域。通过比较选择机器学习算法的性能，我们讨论了机器学习中准确性，简单性和可解释性之间平衡的本质。
2019-01-27 cond-mat.dis-nn cond-mat.mtrl-sci physics.comp-ph
Spectral descriptors for bulk metallic glasses based on the thermodynamics of competing crystalline phases
近年来，金属玻璃由于其优异的性能和加工性能的独特组合而引起了相当大的兴趣。从已知参数预测大块金属玻璃形成体仍然是一个挑战，并且仍然通过试验和错误来搜索新系统。据推测，在与玻璃形成竞争的结晶相的结晶过程中，某种“混乱”可能起关键作用。在这里，我们提出了一个启发式的描述量化混乱，并证明其有效性的两个著名的玻璃形成合金系统的详细实验。通过这些结果提供的洞察力，我们开发了一个强大的模型，用于预测玻璃形成能力的基础上的光谱分解的几何和能量的结晶相从头计算的AFLOW高通量框架。我们的研究结果表明，金属玻璃相的形成可能是一个比目前估计的更常见的现象，超过17%的二元合金系统是潜在的玻璃形成。我们的方法能够精确定位有利的成分，克服阻碍新材料发现的主要瓶颈。因此，它表明，智能描述符，完全基于从第一原理计算和在线数据库中提供的竞争晶相的能量和结构，其他人的抢手的关键，加速发现新的金属玻璃。
2016-07-16 cond-mat.mtrl-sci physics.comp-ph physics.data-an
Predicting and Interpreting Energy Barriers of Metallic Glasses with Graph Neural Networks
University of California, Los Angeles（加州大学洛杉矶分校）
本文提出对称化图神经网络SymGNN，通过正交变换聚合实现E(3)-不变性，用于金属玻璃能量势垒预测，推理时间从约41天降至不足1秒，并借助解释算法揭示符合中程序假说的结构-能量关系。
2024-09-04 cond-mat.dis-nn cond-mat.mtrl-sci cs.LG
New optimization scheme to obtain interaction potentials for oxide glasses
我们提出了一个新的方案参数化的有效势，可用于模拟原子系统，如氧化物玻璃。作为优化的输入数据，我们使用的径向分布函数的液体和玻璃的振动态密度，无论是从从头计算模拟，以及实验数据的玻璃密度的压力依赖性。对于二氧化硅的情况下，我们发现，这种新的计划有助于找到对电位，显着更准确的比以前的，即使功能形式是相同的，从而证明，即使是简单的两体电位可以优于更复杂的三体电位。我们通过计算弹性模量的压力依赖性对新势进行了检验，并与相应的实验数据吻合得很好。
2018-04-08 cond-mat.mtrl-sci
A Machine Learning Framework for Predicting Glass-Forming Ability in Ternary Alloy Systems
本文提出基于随机森林和极端梯度提升的机器学习方法，用于预测三元氧化物玻璃的玻璃形成能力，揭示了电负性变异等关键特征对预测性能的影响。
2025-12-08 cond-mat.mtrl-sci
Fracture Toughness of Silicate Glasses: Insights from Molecular Dynamics Simulations
了解、预测并最终改善硅酸盐材料的抗断裂性对于设计更坚固的新玻璃同时保持其透明度至关重要。然而，在非晶硅酸盐材料的断裂的原子机制仍然是一个有争议的话题。特别是，在裂纹扩展过程中，在纳米尺度上的延性的存在有一些争议。在这里，我们提出了使用分子动力学模拟三个原型硅酸盐玻璃的断裂。我们表明，所使用的方法提供了现实的断裂能和韧性值。此外，模拟清楚地表明，硅酸盐玻璃可以显示出不同程度的延展性，这取决于它们的成分。
2015-06-22 cond-mat.dis-nn cond-mat.mtrl-sci
Microalloying effect in ternary Al-Sm-X (X=Ag, Au, Cu) metallic glasses studied by ab initio molecular dynamics
采用从头算分子动力学（AIMD）方法，研究了类二十面体多面体分数（ICO分数）作为预测Al 90 Sm 8X 2（X = Al（二元），Cu，Ag，Au）块体非晶形成能力的判据.我们发现，可以以足够的精度确定ICO样分数，以探索与AIMD模拟的相关性。然后，我们证明了ICO样分数与临界冷却速率相关，临界冷却速率是玻璃形成能力的广泛使用的内在量度。这些结果表明，来自AIMD模拟的ICO样部分可以为搜索和筛选良好的玻璃形成剂提供有用的指导。
2020-08-05 cond-mat.mtrl-sci
Predicting Oxide Glass Properties with Low Complexity Neural Network and Physical and Chemical Descriptors
Indian Institute of Technology Delhi（印度理工学院德里分校）
本文提出低复杂度神经网络并结合物理化学描述符，在约5万条玻璃组分数据上实现优于XGBoost的性质预测，并能泛化到训练集外的新组分，为加速新型玻璃发现提供方向。
2022-10-19 cond-mat.mtrl-sci cs.LG
Predicting Bulk Metallic Glass Forming Ability with the Thermodynamic Density of Competing Crystalline States
尽管经过二十年的研究，金属玻璃的形成，非常有前途的工业应用系统，仍然是大部分无法解释的。这种知识的缺乏阻碍了对新系统的探索，新系统仍然是通过组合试验和错误来执行的。过去，人们推测结晶过程中的某种“混乱”可能在它们的形成过程中起着关键作用。在这篇文章中，我们提出了一个启发式描述量化这种混乱。它是基于“竞争结晶态的热力学密度”，从高通量从头计算参数化。高度非晶简并但几何形状不同的相的存在阻碍了结晶过程并促进玻璃形成。两个测试床被认为是。一个好的和坏的玻璃形成，CuZr和NiZr，实验特征在于高通量合成。实验结果证实了启发式描述符在预测玻璃形成能力，通过组成空间的能力。我们的分析有望加深对潜在机制的理解，并加速发现新的金属玻璃。
2016-02-01 cond-mat.mtrl-sci
Physics-Informed Symbolic Regression for Predicting the Glass Transition Temperature of Alkali Borate Glasses
Federal University of Sergipe（塞尔希培联邦大学）；Federal University of Lavras (UFLA)（拉夫拉斯联邦大学）；Federal University of Bahia（巴伊亚联邦大学）；Brazilian Center for Research in Energy and Materials (CNPEM)（巴西能源与材料研究中心）
针对碱金属硼酸盐玻璃$T_g$难预测的问题，本研究采用物理启发符号回归推导了具物理可解释性的$T_g$闭式表达式，验证了参数物理一致性，明确了模型不确定性与硼异常的关联，为玻璃性能预测提供了新的透明建模方案。
2026-08-18 cond-mat.mtrl-sci cond-mat.soft
Accelerated Design of Chalcogenide Glasses through Interpretable Machine Learning for Composition Property Relationships
硫系玻璃具有几个突出的性能，使几个突破性的应用，如光盘，红外相机和热成像系统。尽管这些玻璃的普遍使用，在这些材料的组成性质的关系仍然知之甚少。在此，我们使用包含由来自周期表的51种不同元素制成的约24000种玻璃组合物的大型实验数据集来开发用于预测12种性质的机器学习模型，所述12种性质即退火点、体积模量、密度、维氏硬度、利特尔顿点、杨氏模量、剪切模量、软化点、热膨胀系数、玻璃化转变温度、液相线温度、和折射率。这些模型，到目前为止，是最大的硫系玻璃。此外，我们使用SHAP，一种基于博弈论的算法，通过分析每个元素对属性模型预测的贡献来解释机器学习算法的输出。这为实验者解释模型预测并因此设计具有目标性质的新玻璃组合物提供了强有力的工具。最后，使用模型，我们开发了几个玻璃选择图表，可以潜在地帮助合理设计的新型硫系玻璃的各种应用。
2022-11-01 cond-mat.mtrl-sci
Metallic glasses for biodegradable implants
金属玻璃由于其固有的强度和耐腐蚀性而成为生物医学植入物应用的优秀候选者。然而，金属玻璃在结构应用中的使用是有限的，因为体积尺寸难以实现。玻璃形成能力（GFA）随合金成分变化很大，并且随着系统中化学物质数量的增加而变得更加难以预测。在这里，我们提出了一个理论模型-在AFLOW框架中实现-用于预测基于晶相之间的竞争的GFA，并将其应用于生物相关的二元和三元体系。弹性性能估计的基础上的规则的混合物的合金系统被预测为散装玻璃形成。专注于用于可生物降解骨科支撑应用的钙和镁基系统，我们建议进一步研究AgCaMg和AgMgZn系列合金;以及基于以下成分的合金：Ag $_{0.33}$ Mg $_{0.67}$、Cu $_{0.5}$ Mg $_{0.5}$、Cu $_{0.37}$ Mg $_{0.63}$和Cu $_{0.25}$ Mg $_{0.5}$ Zn $_{0.25}$。
2019-02-01 cond-mat.mtrl-sci
Atomistic insights into the mixed-alkali effect in phosphosilicate glasses
近年来，通过组成设计来定制生物活性玻璃的性质已经成为它们在医学应用中的广泛兴趣的主题，例如，组织再生了解氧化物玻璃中的混合碱效应（MAE）对于定制玻璃组合物以控制离子的迁移率以及因此取决于它的玻璃性质（例如离子释放、玻璃化转变温度和离子电导率）具有根本重要性。然而，大多数以前设计的生物活性玻璃是基于试错法，这是由于复杂的玻璃结构，这是不平凡的分析，因此，缺乏一个清晰的图片的玻璃结构在短期和中期秩序。因此，我们使用分子动力学模拟来研究使用MAE是否可以控制45 S5玻璃的生物活性和性质及其结构起源。我们发现，网络连接性，一个结构参数，通常用于访问硅酸盐玻璃的生物活性，不改变与锂或钾钠取代。相反，弹性模量表现出强烈的依赖于改性剂的类型，因为它们随着平均场强的增加而增加。类似地，玻璃元素的流动性受到用于取代Na的改性剂的类型的显著影响。的性质的变化进行了进一步讨论，并解释使用的变化在短期和中期的结构，给出以前的实验结果的证据。最后，我们强调的起源不存在的MAE，改性剂对玻璃的生物活性的影响，在预测氧化物玻璃的生物活性的动力学描述符的重要性，我们提供了必要的见解，在原子尺度上，需要进一步发展的生物活性玻璃。
2022-01-13 cond-mat.mtrl-sci
Predicting plastic flow events in athermal shear-strained amorphous solids
我们提出了一种方法来预测一个通用的非晶态固体将失败的塑性响应（即不可逆变形）的外部应变的值，仅基于非线性弹性模量的测量。虽然通常被认为是根本不同的，与描述可逆的现象和塑性破坏的不可逆行为的弹性性能，我们表明，一些非线性弹性模量的知识是足够的预测塑性集。
2010-04-26 cond-mat.mtrl-sci cond-mat.soft
Boson peak, elasticity, and glass transition temperature in polymer glasses: Effects of the rigidity of chain bending
超低频振动谱（玻色子峰）和非仿射弹性响应是玻璃最重要的特性。在这里，聚合物玻璃的振动和机械性能的检查，通过使用粗粒度的分子动力学模拟，特别注意的聚合物链的弯曲刚度的影响。随着刚性的增加，系统在较高的温度下（在恒定压力下）经历玻璃化转变，这降低了玻璃相的密度。的弹性模量，这是由密度的降低和刚度的增加控制，显示出非单调依赖于刚性的聚合物链，所产生的非仿射分量。此外，在振动态密度中观察到明显的玻色子峰，其取决于宏观剪切模量$G$。具体地，玻色子峰值频率被缩放为$ω_\mathrm{BP} \propto \sqrt{G}$。这些结果提供了玻色子峰，剪切弹性，和玻璃化转变温度之间的正相关性。
2019-08-05 cond-mat.mtrl-sci cond-mat.soft
Glass Hardness: Predicting Composition and Load Effects via Symbolic Reasoning-Informed Machine Learning
玻璃硬度随着化学成分和施加的载荷以非线性方式变化，这种现象称为压痕尺寸效应（ISE），这是定量预测的挑战。在这里，使用一个超过约策展的数据集。3000无机玻璃的文献，包括组成，压痕载荷，和硬度，我们开发机器学习（ML）模型来预测组成和载荷依赖性的维氏硬度。有趣的是，当对训练过程中看不见的新玻璃成分进行测试时，标准数据驱动的ML模型未能捕获ISE。为了解决这一差距，我们结合了一个经验表达式（伯恩哈特定律）来描述ISE与ML，以开发一个框架，该框架包含了代表ML中域推理的符号定律，即符号推理通知ML过程（SRIMP）。我们表明，由此产生的SRIMP在预测ISE方面优于数据驱动的ML模型。最后，我们解释SRIMP模型，以了解玻璃网络形成者和改性剂对成分和负载依赖性（ISE）和负载无关性硬度的贡献。将硬度解卷积为负载相关和负载无关项为全面理解玻璃中的成分和ISE铺平了道路，从而能够加速发现具有目标硬度的新玻璃成分。
2023-01-19 cond-mat.mtrl-sci
Local structural excitations in model glasses
使用激活-松弛-技术（ART）研究模型Lennard-Jones玻璃系统的结构激发，该技术通过收敛到附近的鞍点配置来探索局部最小能量配置的势能景观。执行ART导致势垒能量的分布，该分布对于良好松弛的样品是单峰的。本工作的特点，这种原子尺度的激发在其本地结构和环境。据发现，在零施加的应力，许多识别的事件包括链状的激发，可以扩展或环状的几何形状。这些鞍点结构的位置和活化能被发现与所涉及的原子的类型，并与具有低剪切模量和接近的配置内的过剩自由体积的空间区域。然而，这种相关性是弱的，更一般地，所识别的局部结构激发被认为存在于整个模型玻璃样品中。这项工作的结论与讨论的框架内的$α$和$β$弛豫过程中发生的过冷液体制度。
2013-11-26 cond-mat.mtrl-sci
Predicting and interpreting oxide glass properties by machine learning using large datasets
随着强大的计算机模拟技术的出现，是时候从广泛使用的知识指导的经验方法转向数据科学驱动的方法，主要是机器学习算法。我们研究了三种机器学习算法对六种不同玻璃性质的预测性能。为此，我们使用了约150，000个氧化物玻璃的广泛数据集，这些数据集针对所研究的每个属性被分割成较小的数据集。使用决策树归纳，k-近邻，随机森林算法，从以前的研究中选择的六个算法，我们诱导预测模型的玻璃化转变温度，液相线温度，弹性模量，热膨胀系数，折射率，阿贝数。此外，每个模型都是由默认和调整的超参数值诱导的。我们证明，除了弹性模量（具有最小的训练数据集），其他五个属性的诱导预测模型产生了与通常的数据传播相当的不确定性。然而，对于具有极低或极高的这些性质的值的玻璃，预测不确定性显著更高。最后，正如预期的那样，含有在训练集中表现不佳的化学元素的玻璃产生了更高的预测误差。这里开发的方法引起了人们对机器学习算法的成功和可能陷阱的关注。对SHAP值的分析表明了增加或减少建模属性值的关键元素。它还估计了最大可能的增加或减少。通过这种分析获得的见解可以帮助经验成分调整和计算机辅助玻璃配方的逆向设计。
2021-05-24 cond-mat.mtrl-sci cond-mat.soft
Machine Learning-Integrated Modeling of Thermal Properties and Relaxation Dynamics in Metallic Glasses
本文融合机器学习与ECNLE理论，基于元素组成分布特征高精度预测金属玻璃的T_m和T_g，并揭示其成分依赖与结构弛豫动力学。
2025-03-18 cond-mat.mtrl-sci cond-mat.soft cond-mat.stat-mech
Computational studies of the glass-forming ability of model bulk metallic glasses
块体金属玻璃（BMG）是由过冷液体金属合金在低于玻璃化转变温度下以远快于临界冷却速率Rc的速率快速热淬火而产生的。BMG的玻璃形成能力随R_c的降低而增强，因此好的玻璃形成体具有较小的R_c值。我们进行分子动力学模拟的二元Lennard-Jones（LJ）的混合物，以量化的关键参数，如化学计量比，粒度差异，吸引力的强度，和混合热，影响模型BMG的玻璃成形性。对于二元LJ混合物，我们发现，最好的玻璃形成的混合物具有原子尺寸比（小到大）小于0.92和近50：50的化学计量数。此外，较小原子之间较弱的吸引力相互作用有利于玻璃的形成，而负混合热（在实验相关的制度）不改变R_c显着。这些研究代表了定量预测玻璃成形性的计算方法发展的第一步。
2013-05-05 cond-mat.mtrl-sci cond-mat.soft
Effects of Shear-Induced Crystallization on the Rheology and Ageing of Hard Sphere Glasses
研究了高浓度硬球颗粒悬浮液的流变特性，特别是剪切诱导晶体的流变响应。使用几乎单分散的硬球，我们准备剪切诱导晶体振荡剪切下，并检查其线性和非线性的机械响应相比，在相同的体积分数与他们的玻璃同行。很明显，剪切诱导结晶导致弹性模量和粘性模量的显著下降，这是由于结构重排使流动变得容易。出于相同的原因，在相同的体积分数下，晶体中的临界（G“的峰值）和交叉（G”和G“的重叠）应变比玻璃小。然而，当考虑到在每个状态下的最大堆积的距离时，发现晶体的弹性模量大于在相同自由体积下的玻璃，这表明由于长程序而增强的材料。最后，剪切诱导的晶体反直觉地表现出与玻璃类似的流变老化（具有G '的对数增加），表明剪切诱导的结构不处于热力学平衡。
2008-04-08 cond-mat.mtrl-sci cond-mat.soft
GlassNet: a multitask deep neural network for predicting many glass properties
本研究提出多任务深度神经网络GlassNet，在超218k玻璃组成上训练以预测85种性质，结合MYEGA方程优于ViscNet，并用SHAP提供可解释性，助力玻璃设计。
2023-11-20 cond-mat.mtrl-sci cond-mat.soft
Topological Constraints and Rigidity of Network Glasses from Molecular Dynamics Simulations
由于其非晶体性质，玻璃态仍然是最令人兴奋的科学挑战之一。为了研究这种材料，分子动力学（MD）模拟已被广泛使用，因为它们提供了一个直接的视图到其微观结构。因此，MD不仅用于再现真实的系统特性，而且还受益于详细的原子尺度分析。不幸的是，MD显示出固有的局限性，因为有限的计算能力。例如，目前只允许模拟小系统，这妨碍了研究小的组成变化，尽管众所周知，它们可以显着改变系统特性。在这个阶段，人们倾向于遵循拓扑约束理论，其目的是仅依赖于单个原子的连接来描述玻璃的宏观性质，从而将复杂的玻璃网络视为简单的机械构架。由于只有基本的手工计算，该理论已成功地预测复杂的组成和玻璃性质的温度行为，如玻璃形成能力，相应液体的粘度或弹性。我的博士工作的目的是将这些成功的方法仅基于底层低温网络的拓扑结构与可以从MD计算中获得的属性联系起来。因此，它应该允许增加刚性理论的适用性。
2015-06-22 cond-mat.dis-nn cond-mat.mtrl-sci
When do soft spheres become hard spheres?
传统的（Zwanzig-Mountain）简单流体的瞬时弹性模量的表达式预测其发散的硬球（HS）的相互作用的极限接近。然而，真正的HS流体的弹性模量是有限的。在这里，我们表明，这个悖论揭示了软到硬球的流体激发和热力学交叉。随着广泛的\emph{in-silico}研究流体与排斥幂律相互作用（$\propto r^{-n}$），我们将交叉定位在$n\simeq 10-20$和开发一个简单而准确的模型HS制度。这些结果为处理从简单流体到熔体和玻璃的各种体系中的弹性和相关现象开辟了新的前景。
2021-10-04 cond-mat.mtrl-sci cond-mat.soft cond-mat.stat-mech
Predicting elastic and plastic properties of small iron polycrystals by machine learning
针对小型铁多晶体力学性能的样品间差异问题，结合分子动力学模拟与卷积神经网络，研究了剪切模量和屈服应力的可预测性，发现前者预测效果更优，并结合初始扰动敏感性讨论了结果。
2023-08-21 cond-mat.mtrl-sci physics.comp-ph physics.data-an
Influence of fictive temperature and composition of silica glass on anomalous elastic behaviour
为了指出热历史（假想温度）和OH含量对SiO2玻璃弹性性质的影响，我们对SiO2玻璃从室温到1773 K的过冷液体的玻璃转变过程进行了高分辨率的原位布里渊散射光谱测量。在玻璃态和过冷液体状态下，观察到弹性模量的异常增加。二氧化硅的弹性模量的斜率没有变化，这似乎是玻璃化转变的特征，与其他各种玻璃中发生的情况相反。我们表明，热历史有一个弱的影响弹性模量的玻璃化转变制度的二氧化硅玻璃。石英玻璃中水含量的影响比假想温度的影响更有效，并且对于相同的热依赖性，弹性模量的幅度变化更大。在1223K以上，还观察到水合样品的剪切模量的奇异下降。不同的模型解释弹性性能温度依赖性与冻结的密度波动或结构进行了讨论。
2006-07-10 cond-mat.dis-nn cond-mat.mtrl-sci
A convolutional neural network surrogate for hierarchical homogenization: fast elastic moduli prediction of digital rocks
Stanford University（斯坦福大学）
提出结合轻量级3D卷积神经网络与层级均匀化方法，通过预测子立方体弹性模量并上尺度化，实现数字岩石有效弹性模量的快速准确预测。
2026-06-25 cond-mat.mtrl-sci physics.comp-ph physics.geo-ph
On the elastic moduli of two-dimensional assemblies of disks: relevance and modeling of fluctuations in particle displacements and rotations
我们通过计算机模拟确定了二维磁盘组件的弹性模量。盘通过弹性接触力相互作用，弹性接触力通过法向和切向刚度（两者均取恒定）对抗接触点处的相对位移。我们的模拟证实，均匀应变假设的结果在不准确的预测的弹性模量，因为大的波动，粒子的位移和旋转发生。我们用它们在接触点引起的相对位移来描述它们的贡献。我们表明，决定等效连续行为的波动取决于组装的平均几何形状。我们进一步分离中心位移和粒子旋转的贡献。波动导致系统的松弛，但是沿着切向方向的松弛通常完全是由于旋转。我们考虑两个理论公式预测的弹性模量，包括波动，即“对波动”和“粒子波动”的方法。它们都是基于一个小的子组件的平衡，这被认为是平均结构的代表。我们调查相应的预测的弹性模量在一个范围内的协调数和切向刚度和法向刚度之间的比率。我们发现一个显着的改进方面的均匀应变理论。此外，依赖于协调数和切向法向刚度的比值的波动定性捕获。
2007-11-19 cond-mat.mtrl-sci
Evaluation of Copper, Aluminum and Nickel Interatomic Potentials on Predicting the Elastic Properties
选择合适的力场是任何原子模拟的主要问题之一，需要认真考虑，以产生可靠的结果。由于在微米/纳米材料的力学行为的调查已经变得越来越普遍，它是必要的，以确定一个足够的潜力，准确地模拟所需的应用程序的原子的相互作用。在此框架下，研究了基于多嵌入原子方法的原子间相互作用势预测弹性性能的可靠性。在室温下对不同的铜、铝和镍原子间相互作用势进行了评估，这被认为是最适用的情况。这三个物种的力场来自美国国家标准与技术研究所（NIST）的在线存储库，以及桑迪亚国家实验室的LAMMPS数据库。采用分子动力学模拟方法，得到了Cu、Al和Ni立方单晶的三个独立的弹性常数C11、C12和C44。Voigt-Reuss-Hill近似将单晶体的弹性常数转化为各向同性的多晶体的弹性模量，包括体模量、剪切模量、杨氏模量和泊松比。大规模分子动力学的模拟结果与文献中的实验数据进行了比较，以证明每个物种的每个潜在的鲁棒性。最后，精确的原子间相互作用势被推荐用于寻找纯物质的每一种弹性性质。研究发现，弹性性质的精确性对力场的选择很敏感。这些电位适合于特定的化合物可能不一定对所有现有的纯物质都准确。
2016-05-30 cond-mat.mtrl-sci physics.comp-ph
StrainTensorNet: Predicting crystal structure elastic properties using SE(3)-equivariant graph neural networks
Chulalongkorn University（朱拉隆功大学）
本文提出StrainTensorNet，一种基于SE(3)-等变图神经网络的数据驱动方法，高效预测晶体弹性质，包括弹性模量、应变能量密度及弹性常数，并具备可解释性。
2023-11-10 cond-mat.dis-nn cond-mat.mtrl-sci cs.LG
Predicting Superhard Materials via a Machine Learning Informed Evolutionary Structure Search
实验维氏硬度，$H_\text{v}$，广泛的材料和那些通过三个宏观硬度模型计算，采用剪切和/或体积模量从：（i）第一原理通过AFLOW-AEL（AFLOW自动弹性库），和（ii）机器学习（ML）模型训练的材料在AFLOW存储库。由于$H_\text{v}^\text{ML} $值可以快速估算，因此它们可以与进化搜索结合使用，以预测稳定的超硬材料。该方法在XtalOpt进化算法中实现。每个晶体被最小化到最近的局部最小值，并且其维氏硬度通过与由Teter发现的剪切模量的线性关系来计算。能量/焓和$H_\text{v, Teter}^{\text{ML}}$都被用来确定结构的适应度。这种实现是适用于对碳系统，和43个新的超硬phaseoffering.A拓扑分析表明，相估计略硬比金刚石包含相当大的一部分金刚石和/或lonsdaleite。
2019-06-13 cond-mat.mtrl-sci
Predicting plasticity of amorphous solids from instantaneous normal modes
通过将瞬时简正模（INMs）的概念扩展到变形系统，给出了非晶态固体变形和塑性的数学描述，从而保留了应变对振动态密度（VDOS）的影响。从非仿射晶格动力学（NALD）描述的弹性和粘弹性的玻璃，我们制定的线性响应理论大变形考虑应变相关的切线模量在有限值的剪切应变。的（非仿射）切线剪切模量计算的振动态密度（VDOS）的仿射应变配置在不同的应变值。在玻璃的静态（未变形）快照上分析发现的仿射应变导致了富含软低能模式以及不稳定模式（负本征值）的配置，如果在应变后让系统松弛，则这些模式将被完全“洗掉”和丢失。该过程与NALD的结构完全一致。变形状态的INM谱允许分析预测模型玻璃的应力-应变曲线，包括预测屈服点。良好的无参数定量协议之间的预测和模拟的无热准静态剪切的粗粒度聚合物玻璃。
2022-06-01 cond-mat.dis-nn cond-mat.mes-hall cond-mat.mtrl-sci
Exploration of Characteristic Temperature Contributions to Metallic Glass Forming Ability
已经提出了特征温度的各种组合，例如玻璃化转变温度、液相线温度和结晶温度，作为金属合金的玻璃形成能力的预测。我们使用机器学习的统计方法系统地探索了各种可能的特征温度函数，用于以临界铸造直径$D_{max}$的形式预测玻璃形成能力。使用线性和非线性模型来学习迄今为止由747种组合物组成的最大的$D_{max}$值数据库。我们发现，在机器学习模型中，没有任何特征的温度组合能比温度本身更好地预测$D_{max}$，并且回归模型在标准机器学习指标上的性能较差，如均方根误差（对于标准差为4.8 $mm$的数据，$3.3 \pm 0.1$ $mm$的最小值）。对错误与数据库大小的比较表明，较大的数据库可能会改善结果，尽管可能需要比此处使用的数据库大得多的数据库。将焦点从回归转移到从特征温度学习的分类模型可以用于微弱地区分可能高于与低于我们的数据库的中值$D_{max}$值4.0 $mm$的眼镜，对于该分类，平均F1得分为$0.77 \pm 0.02$。预测$D_{max}$的总体弱结果表明，临界冷却速率可能是机器学习模型预测的更好目标。
2021-07-29 cond-mat.mtrl-sci
