Simple machine-learned interatomic potentials for complex alloys
由于训练数据必须采样巨大的配置空间,为包含许多元素的材料开发数据驱动的机器学习原子间势变得越来越具有挑战性。我们研究了机器学习原子间势的学习率和可达到的精度,用于多元素合金,具有不同的局部原子环境描述符组合。我们发现,对于一个五元素合金系统,使用简单的低维描述符的潜力可以达到meV/原子精度与中等大小的训练数据集,显着优于高维SOAP描述符的数据效率,准确性和速度。特别是,我们开发了一个计算快速的机器学习和制表高斯近似势(tabGAP)的Mo-Nb-Ta-V-W合金的两体,三体和一个新的简单的标量多体密度描述符的基础上嵌入原子方法的组合。
2022-08-15 cond-mat.mtrl-sci physics.comp-ph
Systematic development of polynomial machine learning potentials for metallic and alloy systems
从密度泛函理论(DFT)计算构建的大量数据集开发的机器学习潜力(MLP)对许多研究人员越来越有吸引力。本文提出了一种基于多项式的MLP框架,称为多项式MLP。许多元素和二元合金系统的准确和计算效率高的多项式MLP的系统开发和各种性能的预测能力也被证明。因此,许多多项式MLP在存储库网站中可用。该存储库将帮助许多科学家进行准确和有效的大规模原子模拟和晶体结构搜索。
2022-09-28 cond-mat.mtrl-sci physics.comp-ph
Machine learning metallic glass critical cooling rates through elemental and molecular simulation based featurization
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
基于元素性质和分子模拟特征,开发了预测金属玻璃临界冷却速率的机器学习模型,通过留出完整化学体系的交叉验证获得R²=0.78。
2026-06-23 cond-mat.mtrl-sci
Accelerating Optimal Elemental Configuration Search in Crystal using Ising Machine
本文以金铜合金为例,将晶体最优元素构型搜索转化为QUBO问题并用伊辛机求解,成功处理了超万原子体系及成分比例约束问题,展示了伊辛机在材料科学中的应用潜力。
2023-05-31 cond-mat.mtrl-sci physics.comp-ph
Machine-learned Interatomic Potentials for Alloys and Alloy Phase Diagrams
我们引入机器学习的潜力Ag-Pd来描述能量的合金配置在很宽的范围内的组成。我们比较两种不同的方法。矩张量势(MTP)是原子间距离和角度的多项式函数。高斯近似势(GAP)框架使用核回归,我们使用原子位置的平滑重叠(SOAP)表示原子邻域,该原子邻域由邻域密度的球形傅立叶变换的功率谱提供的一组完整的旋转和置换不变量组成。这两种类型的潜力提供了很好的精度为广泛的组合物和竞争对手的集群扩展,该系统的基准的准确性。虽然这两种模型都能够描述远离晶格位置的小变形,但SOAP-GAP在可转移性方面表现出色,如配置之间的合理转换路径所示,而MTP由于其较低的计算成本而允许计算组成相图。考虑到这两种方法的表现以及集群扩展,但会产生非晶格模型,我们希望他们在合金的计算材料建模开辟新的途径。
2019-07-09 cond-mat.mtrl-sci physics.comp-ph
Coercivity-Aware Machine Learning Discovery of Rare-Earth-Free Soft Magnetic Alloys with First-Principles Magnetic Benchmarks
Merrimack College(梅里马克学院);The University of Chicago(芝加哥大学)
本研究提出矫顽力感知的机器学习框架,结合成分分组评估与不确定性筛选,并辅以第一性原理验证,高效筛选无稀土软磁合金,识别出Fe-Co富集候选成分。
2026-10-05 cond-mat.mtrl-sci
Machine Learning Prediction of Critical Cooling Rate for Metallic Glasses From Expanded Datasets and Elemental Features
研究使用随机森林模型,基于元素特征和整合扩展至2000余条数据的数据库,预测合金形成玻璃的临界冷却速率,并成功识别出潜在的优质大块金属玻璃合金系统。
2023-05-24 cond-mat.mtrl-sci
Deep Learning Accelerated Phase Prediction of Refractory Multi-Principal Element Alloys
本文提出基于CALPHAD数据库训练的深度学习框架,可在Ti、Fe、Al、V、Ni、Nb、Zr元素空间内以约90%准确率预测难熔多主元合金的相,并分析了域外性能下降原因及改进策略。
2024-08-12 cond-mat.mtrl-sci
Modeling refractory high-entropy alloys with efficient machine-learned interatomic potentials: defects and segregation
我们为Mo-Nb-Ta-V-W五元系开发了一个快速准确的机器学习原子间相互作用势,并利用它来研究体心立方耐火高熵合金MoNbTaVW中的偏析和缺陷。在块体合金中,我们观察到明确的秩序,主要是Mo-Ta和V-W二元在低温下。在受损的晶体中,我们的模拟揭示了合金中最小的原子钒的明显偏析,以压缩富金属区域,如辐射诱导的位错环。钒也占主导地位的人口的单一自间隙原子。相反,由于其较大的尺寸和低表面能,铌偏析到宽敞的区域,如空隙的内表面。当退火过饱和浓度的缺陷的样品,我们发现,在完全相反的W,间隙原子在MoNbTaVW簇,以创建只有小($\sim 1$ nm)实验上看不见的位错环富集钒。通过与W的比较,我们解释了这一点的减少,但三维迁移的mantitials,位错环的不动性,和增加的流动性的空位在高熵合金,一起促进缺陷重组集群。
2021-09-06 cond-mat.mtrl-sci physics.comp-ph
Nine-element machine-learned interatomic potentials for multiphase refractory alloys
University of Helsinki(赫尔辛基大学);Bohai University(渤海大学);Aalto University(阿尔托大学);Loughborough University(拉夫堡大学)
本文提出两种高效机器学习势和耐火合金数据库,用于模拟多相耐火合金的多种相变和物理性质。
2026-03-04 cond-mat.mtrl-sci physics.comp-ph
Laser-generated CuPdAgPtAu High-Entropy Alloy Nanoparticles -- Thermal Segregation Threshold and Elemental Segregation
Kiel University(基尔大学);University of Duisburg-Essen(杜伊斯堡-埃森大学);Université Grenoble Alpes(格勒诺布尔阿尔卑斯大学);CNRS(法国国家科学研究中心)
研究通过激光烧蚀液相合成CuPdAgPtAu高熵合金纳米颗粒,发现其在热稳定性和元素分离方面的特性,揭示快速淬火抑制热驱动分离,稳定非平衡固溶体,后续缓慢加热可实现平衡相形成。
2026-04-01 cond-mat.mtrl-sci
Globally-stable and metastable crystal structure enumeration using polynomial machine learning potentials in elemental As, Bi, Ga, In, La, P, Sb, Sn, and Te
本文提出基于多项式机器学习势的迭代随机结构搜索方法,用于高效枚举As、Bi、Ga、In、La、P、Sb、Sn和Te等元素体系的全局稳定与亚稳晶体结构,显著加速搜索并扩大搜索空间。
2024-08-02 cond-mat.mtrl-sci physics.comp-ph
General-Purpose Machine-Learned Potential for CrCoNi Alloys Enabling Large-Scale Atomistic Simulations with First-Principles Accuracy
Aalto University(阿尔托大学);NOMATEN Centre of Excellence, National Center for Nuclear Research(国家核研究中心卓越中心)
本文提出一种通用机器学习势能模型,用于CrCoNi合金,实现高精度大尺度原子模拟,准确预测相变和力学性能。
2026-03-26 cond-mat.mtrl-sci physics.comp-ph
Multiscale Design of Au-Based Alloys for Improved Plasmon Delivery and Nanoheating in Near-Field Transducers
该研究提出结合量子多体微扰理论与有限元建模的多尺度方法,预测Au基贵金属合金在近场换能器中的电热性能,发现低浓度Pd合金化可保持Au的等离子体性能并提升热机械稳定性。
2024-08-26 cond-mat.mes-hall cond-mat.mtrl-sci physics.app-ph
Simple prediction of immiscible metal alloying based on metastability analysis
已知即使两种元素金属$X$和$Y$不混溶,它们也可以在其它金属$Z$的表面上形成合金。为了理解这种表面合金化的不混溶金属,我们研究了能量稳定性的二元合金,$XZ$和$YZ$,在几种结构与各种配位数(CN)。通过分析改进的形成能以增强亚稳结构之间的细微能量差异,我们发现当$X$和$Y$金属在$Z$金属表面上形成合金时,具有B2型结构的$XZ$和$YZ$(CN $=$ 8)变得能量稳定。这与金属表面上的Pb-Sn合金如Rh(111)和Ru(0001)的实验结果一致。一些合适的金属基材也被预测形成Pb-Sn合金。
2021-01-29 cond-mat.mtrl-sci
Superconductivity in High-Entropy-Alloy Telluride AgInSnPbBiTe5
采用高压合成法合成了高熵合金型碲化物AgInSnPbBiTe 5的多晶样品。在AgInSnPbBiTe 5中观察到具有2.6 K转变温度(Tc)的超导电性。元素和结构分析显示,五种金属混合在NaCl型结构的金属位点中。由于AgInSnPbBiTe 5具有阳离子位点(Ag、In、Sn、Pb和Bi)和阴离子位点(Te),这是高熵合金(HEA)伪二元超导体的第一个例子。
2019-09-30 cond-mat.mtrl-sci cond-mat.supr-con
Unique Dirac and Triple point fermiology in simple transition metals and their binary alloys
贵金属表面(Au、Ag和Cu等)已经广泛地研究了Shockley型表面态(SS)。最近,这些肖克利SS的一些已经理解从拓扑的考虑,与知识的整体性质的电子结构。本文通过对称性分析和第一性原理计算,证明了贵金属元素Ru、Re和Os中类狄拉克激发的存在。详细研究了这些金属独特的SS驱动费米弧。我们计算的SS和费米弧与以前的输运和光电发射结果是一致的。我们属性这些狄拉克激发介导的费米弧拓扑结构背后的几个现有的输运异常,如大的非饱和磁阻,异常能斯特电动势及其巨振荡,磁击穿等的可能原因,我们进一步表明,狄拉克在这些元素金属类激发可以进一步调谐到三个组件的费米激发,使用对称允许合金机制。
2020-03-19 cond-mat.mtrl-sci cond-mat.str-el
First-principles electronic transport properties of Ti and Ti-6Al-4V for modeling ultrashort-pulse laser ablation
Munich University of Applied Sciences HM(慕尼黑应用科学大学);Université de Liège(列日大学);University of West Bohemia in Pilsen(比尔森西波希米亚大学);FZU – Institute of Physics of the Czech Academy of Sciences(捷克科学院物理研究所);Czech Technical University in Prague(布拉格捷克理工大学);Utrecht University(乌得勒支大学)
研究超短脉冲激光烧蚀建模中Ti和Ti-6Al-4V的电子输运性质,采用第一性原理计算,得出元素Ti和Ti-6Al-4V的相关参数,通过双温度模型模拟发现输运模型函数形式对预测精度比元素与合金区分更重要。
2026-07-21 cond-mat.mtrl-sci
Radiation-tolerant high-entropy alloys via interstitial-solute-induced chemical heterogeneities
由多种主要元素组成的高熵合金(HEAs)已被证明比其元素或稀溶液对应物提供更好的抗辐射性。使用NiCoFeCrMn HEA作为模型,在这里,我们引入碳和氮的间隙合金元素,赋予化学非均匀性的形式的本地化学秩序(LCO)和相关的成分变化。密度泛函理论模拟预测了C和N周围的化学短程有序(CSRO)(最近邻和下一对原子壳层),这是由于C与(Co,Fe)和N与(Cr,Mn)的化学亲和力。原子分辨率的元素分布化学映射证实了显着的成分变化远远超出了统计波动。在高温下的Ni+辐照实验表明,与没有C和N合金化的基础HEA相比,空隙膨胀显著减少至少一个数量级。潜在的机制是,溶质诱导的化学不均匀性粗糙的晶格以及能量景观,阻碍的运动,并限制的路径通道,通常快速移动的自发光体和它们的集群。因此,辐照产生的杂质和空位更容易重新结合,延迟了空位的形成。因此,我们的研究结果打开了一个有前途的途径,高度耐辐射合金。
2021-03-28 cond-mat.mtrl-sci physics.app-ph
Utilizing a machine-learned potential to explore enhanced radiation tolerance in the MoNbTaVW high-entropy alloy
本研究构建了 MoNbTaVW 高熵合金的机器学习原子间势,通过分子动力学模拟发现其相较于纯 W 具有更少且更小的间隙原子团簇,展现出更优异的耐辐照性能,并提出了子级联分裂机制及扩展损伤模型。
2025-07-16 cond-mat.mtrl-sci physics.comp-ph
Physically Consistent Machine Learning for Melting Temperature Prediction of Refractory High-Entropy Alloys
National Institute of Technology Patna(巴特那国立理工学院)
本研究提出基于XGBoost的机器学习模型,利用物理驱动的元素特征预测高熵合金熔点,通过验证集验证模型在BCC-FCC相变点的准确性,展示数据驱动模型在冶金原理应用中的有效性。
2026-01-07 cond-mat.mtrl-sci cs.LG
Rapid Production of Accurate Embedded-Atom Method Potentials for Metal Alloys
经典分子动力学用于合金设计的大规模应用的一个关键限制是合适的原子间势的有限可用性。在这里,我们介绍了快速合金方法产生准确的一般经验电位或RAMPAGE,一个计算经济的程序,从已经存在的单元素电位,可以进一步组合成多组分合金电位生成二元嵌入原子模型电位。我们提出的质量RAMPAGE校准Finnis-Sinclair型EAM电位使用二元Ag-Al和三元Ag-Au-Cu作为案例研究。我们表明,RAMPAGE电位可以再现体性能和部队更大的准确性比其他合金电位。在一些模拟中,观察到优化的交叉相互作用的质量可以超过原始现成的元素势输入的质量。
2022-08-03 cond-mat.mtrl-sci
Activating the Basal Plane of 2D Transition Metal Dichalcogenides via High-Entropy Alloying
本文提出通过高熵合金化将偏好相反晶相的元素引入TMDC结构,从而在惰性基面上形成高密度催化活性位点,并预测了多种非贵金属析氢催化剂。
2024-10-09 cond-mat.mtrl-sci physics.comp-ph
A high-throughput ab initio study of elemental segregation and cohesion at ferritic-iron grain boundaries
该研究利用 DFT 高通量计算评估周期表元素在六种铁素体铁晶界上的偏析能与结合效应,并结合键级方法和 Rice-Wang 理论建立元素图谱。
2025-03-17 cond-mat.mtrl-sci
Elemental (im-)miscibility determines phase formation of multinary nanoparticles co-sputtered in ionic liquids
非平衡合成方法允许将本体不混溶的元素合金化成多元纳米颗粒,这拓宽了新材料的设计空间。尽管溅射到固体基底上可以将不混溶的元素结合成薄膜固溶体,但这对于离子液体中的纳米颗粒的溅射并不清楚。因此,通过在离子液体1-丁基-3-甲基咪唑鎓双-三氟甲基磺酰基)酰亚胺[Bmim][(Tf)2N]的表面上共溅射Au-Cu(可混溶)、Au-Ru和Cu-Ru(两者均不可混溶)以及Au-Cu-Ru体系来研究在离子液体中溅射用于制备不混溶元素的纳米颗粒的适用性。分析溅射的纳米颗粒以获得(i)关于当溅射到离子液体表面上时纳米颗粒的一般形成过程的知识和(ii)信息,如果不混溶元素的合金纳米颗粒可以合成,以及(iii)固溶度的Hume-Rothery规则对于溅射的纳米颗粒是否有效的证据。伴随的原子模拟使用密度泛函理论的不同尺寸和顺序的集群确认,Au-Cu的可溶解性和Au-Ru和Cu-Ru的不可溶解性控制的纳米粒子的热力学稳定性。基于NP/离子液体系统NP稳定性的理论和实验结果,建立了离子液体中多元NP的形成模型。
2022-06-10 cond-mat.mtrl-sci
Edge Dislocations Can Control Yield Strength in Refractory Body-Centered-Cubic High Entropy Alloys
能源效率正在推动对新型高温金属的研究。一些新的基于难熔元素(Cr-Mo-Nb-Ta-V-W-Hf-Ti-Zr)的体心立方无规多组分“高熵合金(HEAs)”在高温下具有优异的强度,但这种优异性能的物理根源尚不清楚。在这里,我们表明,使用集成的中子衍射(ND),高分辨率透射电子显微镜(HRTEM),和理论,NbTaVTi合金和一种新的高强度/低密度CrMoNbV合金的高强度和强度保持归因于刃位错。这是令人惊讶的,因为普遍认为BCC元素金属和稀合金中的塑性流动是由螺旋位错控制的。我们使用的洞察力和理论进行计算引导的搜索超过$10^7$ BCC HEAs和识别超过$10^6$可能的超强高温合金成分,为未来的探索。
2020-08-26 cond-mat.mtrl-sci
Tailoring properties of Heusler alloys by elemental substitution and electron counting: (Co$_{2-α}$Mn$_α$)FeGe, Co$_2$(Fe$_{1-β}$Mn$_β$)Ge, and (Co$_{2-α}$Fe$_α$)MnGe
University of Alabama(阿拉巴马大学);Universidad de Sevilla(塞维利亚大学)
本文通过元素替代研究Co2FeGe基Heusler合金的性质演变,发现单相合金在特定价电子数范围(约28.5-29.75)内形成,且性质主要取决于价电子数而非替代方案,并预测了半金属行为。
2025-09-24 cond-mat.mtrl-sci
Explainable Machine Learning for Hydrogen Diffusion in Metals and Random Binary Alloys
本文构建物理化学性质数据库并拟合六个可解释机器学习模型,预测金属及随机二元合金中氢扩散激活能,通过分组特征重要性识别出堆积因子和电子比热等关键因素,实现新材料快速筛选。
2023-10-26 cond-mat.mtrl-sci
Machine-learned accelerated discovery of oxidation-resistant NiCoCrAl high-entropy alloys
University of Manitoba(曼尼托巴大学)
本研究通过机器学习发现NiCoCrAl高熵合金在不同温度下的氧化行为,揭示了不同成分在不同温度下的最佳性能,提出了新的高性能HEA bond-coat家族。
2025-12-17 cond-mat.mtrl-sci
Exploring effective charge in electromigration using machine learning
在电子技术中,元件的有效电荷是表征电迁移效应的参数,它决定着互连线的可靠性。在这项工作中,采用机器学习方法将有效电荷(z*)建模为物理上有意义的元素性质的线性函数。平均5倍(排除合金组)交叉验证产生的均方根误差除以全数据集标准差(RMSE/ $σ$)值分别为0.37 $\pm$ 0.01(0.22 $\pm$ 0.18)和$R^2$值0.86。外推到全新合金的z* 显示出有限但潜在有用的预测能力。该模型用于预测技术相关主体-杂质对的z*。
2019-07-02 cond-mat.mtrl-sci physics.comp-ph
Superconductivity of Ta-Hf and Ta-Zr alloys: Potential alloys for use in superconducting devices
本文研究 Ta-Hf 和 Ta-Zr 体心立方合金的超导电性,发现其为第二类强耦合超导体,且 Tc 显著增加不能仅由电子数减少解释,表明其适合用于超导量子比特。
2023-06-17 cond-mat.mtrl-sci cond-mat.supr-con
A collinear-spin machine learned interatomic potential for Fe$_{7}$Cr$_{2}$Ni alloy
本文基于GAP框架为Fe$_{7}$Cr$_{2}$Ni合金开发了接近DFT精度且支持更大尺度的机器学习原子间势,并扩展出共线自旋模型以预测磁性自旋态引起的结构畸变,为高精度模拟奥氏体钢老化迈出重要一步。
2024-03-08 cond-mat.mtrl-sci
Radiation damage and phase stability of Al$_x$CrCuFeNi$_y$ alloys using a machine-learned interatomic potential
University of Helsinki(赫尔辛基大学)
本研究利用机器学习互原子势分析Al$_x$CrCuFeNi$_y$合金的辐射损伤与相稳定性,发现等原子组成下FCC向BCC转变,并揭示不同合金成分在辐照下的缺陷浓度差异及短程有序现象。
2025-08-27 cond-mat.mtrl-sci
Dynamical stability of two-dimensional metals in the periodic table
通过第一性原理计算声子能带结构,研究了从Li到Pb的二维金属元素的动力学稳定性,其中二维结构被假定为平面六边形、弯曲蜂窝和弯曲正方晶格结构.我们展示了二维结构和三维结构的稳定性之间的关系。这为合金提供了材料设计概念,其中关于稳定的2D结构的相似性,而不是合金的能量稳定性,对于产生动态稳定的合金是重要的。
2020-07-14 cond-mat.mes-hall cond-mat.mtrl-sci
Sparse random Fourier features based interatomic potentials for high entropy alloys
本文提出基于稀疏随机傅里叶特征的高熵合金原子间势,以低计算成本实现接近DFT精度的力、熔化行为、缺陷及高温自扩散等性质预测。
2023-12-01 cond-mat.mtrl-sci
Complex Strengthening Mechanisms in the NbMoTaW Multi-Principal Element Alloy
难熔多主元素合金(MPEAs)在高温下具有优异的机械性能,包括高强度重量比和断裂韧性。在这里,我们阐明了隔离,短程秩序和加强NbMoTaW MPEA通过原子模拟与高度准确的机器学习原子间的潜力之间的复杂相互作用。在单晶MPEA,我们发现大大降低了各向异性的临界解决之间的剪切应力螺旋和刃位错相比,元素金属。在多晶MPEA中,我们证明了结晶驱动的Nb偏析到晶界(GBs)和晶粒内的W富集加剧了所观察到的短程有序(SRO)。由于Nb富集而增加的GB稳定性降低了von Mises应变,导致比随机固溶体MPEA更高的强度。这些结果突出了同时调整GB组成和本体SRO以定制MPEAs的机械性能的需要。
2020-05-15 cond-mat.mtrl-sci
Effect of annealing temperature on the structure and properties of co-sputtered Fe-Mn-Sn films near 2:1:1 ratio
School of Physics and Applied Physics, Southern Illinois University(南伊利诺伊大学物理与应用物理学院)
研究Fe-Mn-Sn系统近2:1:1比例薄膜随退火温度(400 - 700°C)的变化,通过预校准共溅射并退火,分析结构与性能关系,揭示生长相纯三元合金困难及Fe₂MnSn在特定温度范围性能最佳和存在生长问题。
2026-07-14 cond-mat.mtrl-sci
Selectivity- and Activity-Aware Catalyst Descriptors for CO$_2$ Hydrogenation on Alloy Nanocatalysts using Machine-Learned Force Fields
Technical University of Munich(慕尼黑工业大学);Aalto University(阿尔托大学)
本文提出一种基于机器学习力场的改进框架,用于预测催化活性并分析选择性,通过分析不同晶面的吸附能分布,识别出高活性和甲醇选择性晶面,为高选择性CO₂氢化提供实验验证。
2026-09-11 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Nanocrystalline FeCr alloys synthesised by severe plastic deformation -- a potential material for exchange bias and enhanced magnetostriction
这项工作提供了深入的了解散装纳米晶FeCr材料的加工和表征。研究的FeCr合金由30、50和70原子%组成铁磁性Fe和剩余的反铁磁性Cr通过电弧熔化和随后通过高压扭转的剧烈塑性形变进行处理。元素Fe和Cr之间的物理相似性与变形合金的纳米晶结构相结合,需要先进的变形状态表征技术:原位退火同步加速器X射线衍射测量以及电子显微镜实验与磁致伸缩测量相关联,并揭示单相微观结构。令人惊讶的是,纳米晶FeCr合金在高于500°C退火时保持过饱和固溶体,这意味着FeCr纳米复合材料中的分解被抑制。对于所选择的退火条件下,晶粒生长速度比分解和增强的磁致伸缩值被发现相比,在变形状态下的材料。
2021-10-27 cond-mat.mtrl-sci physics.app-ph
Unveiling the crystallization kinetics in Ge-rich Ge$_x$Te alloys by large scale simulations with a machine-learned interatomic potential
本文开发了一种高精度的机器学习原子间势,用于大规模分子动力学模拟,揭示了富Ge的Ge$_x$Te合金中依赖于温度的相分离与结晶动力学机制,为提升相变存储器性能提供了重要参考。
2024-04-23 cond-mat.dis-nn cond-mat.mtrl-sci
Experimental confirmation of the delayed Ni demagnetization in FeNi alloy
元素选择技术是理解磁性合金等多元素材料中超快自旋动力学的核心。然而,最近,事实证明,EUV范围内的横向磁光克尔效应(T-MOKE)的常用技术可能具有线性问题,包括不同元素信号之间的不希望的串扰。这个问题可能是相当大的,这使得最近观察到的超快自旋转移从铁镍合金中的Fe到Ni网站的问题。在这项研究中,我们研究了铁到镍的自旋转移在一个无串扰的时间分辨X射线磁圆二色性(XMCD)实验与可靠的时间参考。我们发现一个非常相似的铁和镍动力学与XMCD与T-MOKE从相同的样品。考虑到T-MOKE响应的非线性,与我们的研究结果的一致性似乎是偶然的。我们讨论了可能的原因,为什么T-MOKE似乎在这种情况下给出准确的结果。我们的数据提供了一个良好的实验基础上正在进行的讨论超快自旋转移机制FeNi系统。
2021-06-15 cond-mat.mtrl-sci
Machine-learned multi-system surrogate models for materials prediction
替代机器学习模型通过以计算成本的一小部分预测从头算方法的准确性来改变计算材料科学。我们展示了代理模型,该模型在10种二元合金(AgCu,AlFe,AlMg,AlNi,AlTi,CoNi,CuFe,CuNi,FeV,NbNi)的数据集上同时内插不同材料的能量,该数据集具有10种不同的物种和所有可能的fcc,bcc和hcp结构,在晶胞中多达8个原子,总共15,950个结构。结果表明,随着同时建模合金数目的增加,预测误差的偏差小于1,meV/atom.几个国家的最先进的材料表示和学习算法被发现定性同意的生成焓的预测误差与相对误差为$<$ 2.5\%的所有系统。
2019-05-20 cond-mat.mtrl-sci physics.comp-ph
Lattice stability of ordered Au-Cu alloys in the warm dense matter regime
在电子温度增加到与费米温度相同数量级的暖密区中,元素金属的动力学稳定性取决于其电子能带结构以及其晶体结构。已经知道,声子硬化是由于电子激发引起的内部压力增强而发生的,如在紧密堆积的简单金属中,而声子软化发生在布里渊区中的特定点处,如在体心立方金属中。在这里,我们研究了二元有序合金(Au和Cu)在L1 $_0$和L1 $_2$结构中的动力学稳定性。通过对声子色散的第一性原理计算,我们证明了在L1 $_0$结构中,除了AuCu在R点处的最低频率声子模外,热密Au-Cu系统都表现出声子硬化行为.我们表明,当声子模式是稳定的长程原子间相互作用在环境条件下,这样的声子将不稳定的短程性质的温暖的致密物质。
2021-03-25 cond-mat.mtrl-sci
Scalable alloy-based sputtering of high-conductivity PdCoO$_2$ for advanced interconnects
针对集成电路微缩下铜基互连电阻率升高的问题,本研究通过Pd-Co合金靶反应溅射实现了c轴取向高电导PdCoO$_2$薄膜的可扩展生长,为其在半导体互连中的应用奠定基础。
2025-05-20 cond-mat.mtrl-sci cond-mat.str-el
Accurate Screening of Functional Materials with Machine-Learning Potential and Transfer-Learned Regressions: Heusler Alloy Benchmark
Research Center for Magnetic and Spintronic Materials, National Institute for Materials Science(磁性及自旋材料研究中心,物质材料研究机构);Digital Transformation Initiative Center for Magnetic Materials (DXMag), National Institute for Materials Science(磁性材料数字化转型倡议中心(DXMag),物质材料研究机构)
本文提出利用机器学习和迁移学习方法筛选具有高磁晶各向异性能的Heusler合金,通过高通量工作流程和密度泛函理论验证,提升材料预测精度。
2026-01-02 cond-mat.mtrl-sci
Tunable Two-Dimensional Group-III Metal Alloys
化学稳定的量子限制二维金属是下一代纳米量子器件的研究热点。这种金属的自下而上的设计和合成可以使得能够创建具有定制的、按需的电子和光学性质的材料,用于利用可调谐等离子体耦合、光学非线性、ε近零行为或波长特定的光捕获的应用。在这项工作中,我们证明了空气稳定的二维金属的电子,超导和光学性质可以通过合金的形成来可控地调谐。采用限制异质外延(CHet)技术制备了环境友好的大面积二维InxGa 1-x合金。实现了几乎完全的固溶度,没有相分离的证据,并且通过改变前体的相对元素组成,组合物在x的整个范围内是可调的。光学和电子性质与合金组成直接相关,其中介电函数、能带结构、超导性和从金属到石墨烯的电荷转移都由2D金属层中的铟/镓比控制。
2021-05-31 cond-mat.mtrl-sci
Solid-Liquid Phase Diagrams for Binary Metallic Alloys: Adjustable Interatomic Potentials
我们开发了一种新的方法来确定合金的LJ-EAM势,并使用这些来确定二元金属合金的固-液相图,使用Kofke的吉布斯-杜亨积分技术结合半随机正则蒙特卡罗模拟。我们证明,它是可能的,以产生广泛的实验观察到的二元相图(没有金属间相)通过参考的两种元素材料的原子大小和内聚能。在某些情况下,使用单个可调参数来调整相图是有用的(我们为这个自由参数提供了一个很好的选择)。接下来,我们进行了系统的调查的相对原子大小和结合能的元素上的二元相图的效果。然后,我们表明,这种方法导致良好的协议与几个实验的二元相图。这种方法的主要好处不是准确地再现实验相图,而是提供一种方法,通过这种方法可以在模拟研究中连续改变材料的性质。这是使用原子模拟以实验无法获得的方式理解机制和属性的关键之一。
2006-11-20 cond-mat.mtrl-sci
Temperature-dependent discovery of BCC refractory multi-principal element alloys: Integrating deep learning and CALPHAD calculations
本文提出用深度学习代理模型加速CALPHAD相分数预测,在Ti-Fe-Al-V-Ni-Nb-Zr空间中筛选单相BCC难熔多主元合金,并开发解析模型实现快速可解释识别。
2025-08-21 cond-mat.mtrl-sci
Crystal Nucleation in Eutectic Al-Si Alloys by Machine-Learned Molecular Dynamics
Univ. Grenoble Alpes, CNRS, Grenoble INP, SIMaP(格勒诺布尔阿尔卑斯大学,法国国家科学研究中心,格勒诺布尔理工学院,材料科学研究所)
本研究利用机器学习分子动力学方法,揭示了等温Al-Si合金中形核机制,发现Al在亚共晶条件下形核,Si在超共晶条件下形核,且两者生长形态不同。
2025-06-10 cond-mat.mtrl-sci
Machine-learned potential for amorphous Indium-Tin-Oxide alloys
Center for Alloy Innovation and Design (CAID), State Key Laboratory for Mechanical Behavior of Materials, Xi’an Jiaotong University(西安交通大学合金创新与设计中心、材料力学行为国家重点实验室)
本研究开发了基于GAP框架的机器学习势能,用于模拟非晶态氧化铟锡合金,显著提高了分子动力学模拟效率,并公开了训练数据和势能参数。
2026-01-01 cond-mat.mtrl-sci
Evaluating Moment Tensor Potential in Ag-Cu Alloy: Accuracy, Transferability, and Phase Diagram Fidelity
本文为Cu-Ag合金开发了矩张量势(MTP),在DFT数据上训练后,其在缺陷能量、表面性质和共晶相图预测上显著优于经典EAM势,且无需拟合高温相变即可准确预测共晶温度和成分,验证了MTP对不混溶金属体系建模的有效性。
2025-08-25 cond-mat.mtrl-sci
Physics-informed machine learning for composition-process-property alloy design: shape memory alloy demonstration
Colorado School of Mines(科罗拉多矿业学院);NASA Glenn Research Center(美国国家航空航天局格伦研究中心);Georgia Institute of Technology(佐治亚理工学院)
机器学习(ML)被证明可以预测新合金及其在高维,多目标性能设计空间中的性能,该设计空间考虑化学,多步处理路线和表征方法的变化。一种基于物理信息的特色工程方法可以使性能较差的ML模型在相同的数据下表现良好。具体而言,先前基于合金化学的设计元素特征与新设计的热处理工艺特征相结合。新的功能的结果,从第一次转换的热处理参数数据,因为它是以前记录使用已知的非线性数学关系来描述合金中的相变的热力学和动力学。使用盲预测验证了ML模型用于预测设计的能力。除了SMA的平均相变温度之外,还捕获了具有通过多个熔化-均匀化-固溶-沉淀处理阶段变化产生的复杂微观结构的记忆合金(SMA)的热滞后的成分-工艺-性质关系。这种高度加工的合金所表现出的滞后的定量模型证明了ML模型设计物理复杂性的能力,这些复杂性已经挑战了几十年来基于物理的建模方法。
2020-10-08 cond-mat.mtrl-sci cs.LG stat.ML
In silico design and prediction of metastable quaternary phases in Cu-Ni-Si-Cr alloys
本文结合量子力学计算、经典模拟与主动机器学习,在Cu-Ni-Si-Cr合金中预测了两种新型亚稳四元相,并开发高精度机器学习原子势阐明其结构、动力学和弹性行为,显著提升新型合金设计效率。
2024-10-23 cond-mat.mtrl-sci physics.comp-ph
A Computational Approach for Mapping Electrochemical Activity of Multi-Principal Element Alloys
本研究提出结合蒙特卡洛、密度泛函理论和机器学习的计算方法,以AlCrTiV合金为模型预测多主元合金的表面活性与电化学腐蚀性能,为探索其他MPEAs提供虚拟模拟器。
2023-05-20 cond-mat.mtrl-sci physics.app-ph