On the relation between the microscopic structure and the sound velocity anomaly in elemental melts of groups IV, V, VI
如文献中所报道的,IV、V和VI族的某些液体元素的声速显示出使它们与其他液体金属区分开的异常特征。为了确定这些异常可能的共同起源,在很宽的温度范围内对液态铋和锑进行了广泛的中子衍射测量。测定了液态Sb和Bi的结构因子与温度的关系。两种熔融金属的结构进行了仔细的分析,在各自的径向分布函数的峰值位置,宽度和配位数。在一定温度范围内,径向分布函数的峰宽没有增加,甚至有所减小。峰宽的这种反常温度依赖性与声速的反常温度依赖性相关。这种相关性可以通过随着温度增加液体结构的刚性来解释。的峰宽和声速之间的现象学的相关性,建议为金属熔体,并发现同意与现有的数据为正常和异常的元素液体在组IV-VI。
2010-11-20 cond-mat.mtrl-sci cond-mat.stat-mech physics.chem-ph
Melting curve of elemental zirconium
由于熔融样品的不稳定性和由于所需的高激光功率引起的光学漂移,熔化实验需要快速的数据采集。在这项工作中,锆的熔化曲线已被确定为第一次高达80 GPa和4000 K使用在激光加热的金刚石对顶砧单元(LH-DAC)的原位快速X射线衍射(XRD)。用于熔化检测的主要方法是在XRD图案中直接观察液体漫散射(LDS),并且它已被证明是可靠的熔化诊断。还讨论了其他熔化标准的有效性,如外观温度随激光功率的增加而升高。
2019-07-11 cond-mat.mtrl-sci
Grain Boundary Properties of Elemental Metals
晶界的结构和能量是预测多晶材料性能的基础。在这项工作中,我们使用高通量的密度泛函理论计算工作流程来构建晶界数据库(GBDB),最大的数据库DFT计算晶界属性的日期。该数据库目前包含58种元素金属的327 GB,包括体心立方(bcc)和面心立方(fcc)系统的10种常见扭曲或对称倾斜GB,以及六方密堆积(hcp)系统的$Σ$ 7 [0001]扭曲GB。特别是,我们展示了一种新的规模化结构的模板HT GB计算方法,它降低了计算成本的GB结构的收敛的一个因素的$\sim 3-6$。对以前的实验和计算数据的晶界能和工作的分离进行了严格的验证。使用这个大的GB数据集,我们开发了一个改进的预测模型的基础上的结合能和剪切模量的不同元素的GB能量。开放的GBDB代表了第一原理GB特性可用性的重要一步,我们相信这将有助于指导多晶材料的未来设计。
2019-07-21 cond-mat.mtrl-sci
A Unified Predictive and Generative Solution for Liquid Electrolyte Formulation
ByteDance Seed(字节跳动种子)
本文提出一个结合正向预测与逆向生成的统一框架,用于高效设计液体电解质,并实验验证了三种兼具高离子电导率和阴离子浓缩溶剂化结构的候选配方。
2025-10-09 cond-mat.mtrl-sci
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
Stable Machine Learning Potentials for Liquid Metals via Dataset Engineering
Massachusetts Institute of Technology(麻省理工学院)
通过数据集工程构建稳定的液态金属机器学习势能,解决传统方法在液态模拟中的采样不足问题,提高预测精度和稳定性。
2026-01-08 cond-mat.mtrl-sci
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
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
Machine learning for predictive condensed-phase simulation
我们展示了如何机器学习技术的基础上贝叶斯推断可以用来达到新的水平的现实主义的分子材料的计算机模拟,在这里集中在水。我们训练我们的机器学习算法使用准确的,相关的量子化学,并预测能量和力的分子聚集体,从集群到固相和液相。广泛使用的电子结构的方法的基础上密度泛函理论(DFT)的分子材料,如水的准确性差,我们展示了我们的技术可以用来产生系统的改进DFT的校正。由此产生的修正DFT方案给出了非常准确的预测的相对能量的小水团簇和不同的冰结构,并大大提高了描述的结构和动力学的液态水。
2013-02-22 cond-mat.mtrl-sci
Prediction of a Mobile Solid State in Dense Hydrogen under High Pressures
固体的刚性和液体尺度的流动性被认为在元素物质中是不相容的。人们不可能有一种元素固体,它是长程位置有序的,其中原子像在液体中一样同时流动。唯一的例外可能是假设的4 He超固态。在这项工作中,我们证明了这种奇异的状态可以存在,即使在经典制度。利用从头算分子动力学(AIMD)和从头算路径积分分子动力学(AI-PIMD)方法,在1~1.5 TPa(1 TPa=10000000大气压)范围内,发现了一种同时具有长程空间有序性和液体尺度原子迁移率的稠密氢的新态.详细表征了其不同于一般固体和液体的特征,并对其稳定性和熔融行为进行了研究。广泛的AI-PIMD模拟进一步表明,即使在超低温下,这种状态也可能是(Meta)稳定的,这表明在致密金属氢中出现了一种替代类型的超固态。
2017-02-01 cond-mat.mtrl-sci cond-mat.other cond-mat.stat-mech
Liquid anomalies and Fragility of Supercooled Antimony
Sapienza University of Rome(罗马第一大学);University of Milano-Bicocca(米兰比可卡大学);Leonardo S. p. A.(莱昂纳多股份公司)
本研究通过分子动力学模拟揭示了过冷锑的液态异常及高脆弱性,揭示其非晶态稳定性与超快结晶能力的关联。
2026-02-03 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
Predictive modeling of solidification during laser additive manufacturing of nickel superalloys: Recent developments, future directions
与传统制造工艺相比,增材制造(AM)工艺生产的零件具有更好的物理、化学和机械性能。在AM工艺中,复杂的零件几何形状是由多组分合金粉末以逐层的方式通过多道激光熔化、固化和固态相变在较短的制造时间内以最小的表面精加工以合理的成本生产的。然而,越来越需要通过例如应力消除热处理和热等静压对制造的部件进行后处理,以始终实现均匀的微观结构和性能。AM工艺中的凝固控制晶粒的尺寸、形状和分布、生长形态、元素偏析和沉淀、随后的固态相变以及最终的材料性质。这个过程中的关键问题与多物理场(如流体流动和热量和质量的扩散)和多尺度(长度,时间和温度范围)的挑战有关,这些挑战是由于AM加工过程中局部快速加热和冷却而产生的。通过多尺度建模和模拟,将越来越好地理解合金化学-工艺-微观组织-性能-性能在这一过程中的相互关系。
2017-12-12 cond-mat.mtrl-sci
Gaussian approximation potentials for body-centered-cubic transition metals
我们使用高斯近似势框架开发了一组元素V,Nb,Mo,Ta和W的机器学习原子间势。该电位对弹性、热、液体、缺陷和表面性质显示出良好的精度和可转移性。所有的潜力都增加了准确的排斥势,使它们适用于辐射损伤模拟涉及高能碰撞。我们详细研究了熔化和液体性质,并使用电位为所有五种元素提供高达400 GPa的熔化曲线。
2020-10-06 cond-mat.mtrl-sci physics.comp-ph
A predictive machine learning force field framework for liquid electrolyte development
ByteDance Research(字节跳动研究院)
提出 BAMBOO 预测框架,采用物理启发图等变 Transformer、集成知识蒸馏与密度对齐算法,实现液态电解质密度、黏度、离子电导率的高精度预测。
2025-04-01 cond-mat.mtrl-sci cs.LG physics.comp-ph
Machine-learning based interatomic potential for amorphous carbon
我们引入了高斯近似势(GAP)的液态和无定形元素碳的原子模拟。基于密度泛函理论(DFT)势能面的机器学习表示,这种原子间势使材料模拟具有接近DFT的精度,但计算成本要低得多。我们首先确定的最大精度,任何有限范围的潜力可以实现在碳结构,然后,使用一种新的层次设置的两个,三个,和多体结构描述符,我们构建了一个GAP模型,确实可以达到目标的准确性。潜力产生准确的能量和结构特性在很宽的密度范围内,它也正确地捕捉液相的结构,在与国家的最先进的经验潜力的差异。提出了GAP模型在“类金刚石”四面体无定形碳(ta-C)表面上的示例性应用,包括无定形材料的表面能的估计和高温表面重构(“石墨化”)的模拟。新的原子间相互作用势似乎是有前途的现实和准确的模拟纳米级无定形碳结构。
2016-11-10 cond-mat.mtrl-sci
Machine Learning Materials Properties by Encoding Orbital-Projected Density of States
Research Center Future Energy Materials and Systems of the University Alliance Ruhr and Interdisciplinary Centre for Advanced Materials Simulation, Ruhr University Bochum(鲁尔大学联盟未来能源材料与系统研究中心及鲁尔大学波鸿分校跨学科先进材料模拟中心)
研究利用图神经网络从晶体结构预测材料属性,通过用pDOS指纹增强原子节点表示及融合元素嵌入来改进预测,引入光谱注意力机制,在超导临界温度等预测上效果显著,为数据稀缺时高精度属性预测开辟途径。
2026-07-09 cond-mat.mtrl-sci
A Size-Dependent Ideal Solution Model for Liquid-Solid Phase Equilibria Prediction in Aqueous Organic Solutions
本研究通过在经典理想溶液理论中纳入Flory型混合熵项(考虑分子尺寸的熵效应),推导尺寸依赖的热力学方程,提升了水性有机溶液液固相平衡的预测精度,揭示混合熵的主导性并提供简单预测方法。
2024-11-27 cond-mat.mtrl-sci physics.chem-ph
Machine learning insights into band gap properties in halide-based perovskites
State University of New York at Binghamton(纽约州立大学宾汉姆顿分校);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
利用集成树方法(RFR、GBRT、XGB)基于原子和结构特征预测多种卤化物钙钛矿的带隙能量,并识别关键描述符(B/X位元素性质、A/B位原子数),为新材料设计提供指导。
2026-06-17 cond-mat.mtrl-sci
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 potentials for multicomponent systems: The Ti-Al binary system
机器学习潜力(MLP)正在成为执行精确原子模拟和晶体结构优化的强大工具。开发MLP的方法采用一组系统的多项式不变量,包括高阶不变量来表示相邻原子密度。在这项研究中,制定的多项式不变量的情况下,多组分系统。扩展的公式比元素系统的公式更复杂。本研究还展示了它在Ti-Al二元系中的应用。其结果是,一个MLP具有最低的错误和MLP具有高的计算成本性能从系统开发的许多MLP选择。开发的MLP的许多属性,如形成能,弹性常数,热力学性质,和机械性能的预测能力,检查。的MLP表现出高的预测能力的性质在各种各样的有序结构。本方案可系统地应用于其它多组分体系。
2020-08-22 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Interplay of structural and dynamical heterogeneity in the nucleation mechanism in Ni
获得对金属合金中晶体成核过程的基本理解对于开发和设计具有目标特性的高性能材料至关重要。然而,结晶是一个复杂的非平衡过程,尽管已经研究了几十年,但迄今为止,控制材料结晶机制的微观方面仍然难以捉摸。最近的证据表明,在过冷液体的空间不均匀性,其特征在于具有独特的流动性和秩序的扩展区域,可能是一个关键的微观因素,决定晶体成核的机制。这些发现推进了我们对结晶的基本性质的看法,因为大多数研究都假设晶体团簇在“均匀”液体中从随机波动中成核。在这里,通过分析过渡路径采样轨迹,我们表明,动力学的不均匀性起着关键的作用,在金属元素,镍晶体成核的机制。我们的研究结果表明,结晶优先发生在过冷液体中的低流动性的区域,证明在Ni晶体成核的集体动力学性质。此外,我们的研究结果表明,低流动性区域形成之前,空间上与作为前驱体的晶体相,随后出现的预定域重叠。我们的研究结果表明,在过冷液体的动力学和结构的异质性及其对成核机制的影响之间有着明确的联系,揭示了微观描述符,可以铺平一条新的途径来控制金属结晶过程。
2021-12-12 cond-mat.mtrl-sci cond-mat.stat-mech physics.comp-ph
Interatomic machine learning potentials for aluminium: application to solidification phenomena
在通过原子尺度上的模拟来研究凝固过程中,晶体成核或非晶化的建模需要构建能够再现固态和液态的性质的原子间相互作用。考虑到深过冷条件下的罕见成核事件或结构弛豫,需要比\textit{ab initio}分子动力学(AIMD)可实现的更大的长度尺度和更长的时间尺度。这个问题是通过经典的MD模拟,使用一个完善的高维神经网络潜在的AIMD生成的一组相关的配置训练。我们的数据集包含不同压力下的各种晶体结构和液态,包括它们在广泛温度范围内的时间波动,仅考虑它们的能量标签。应用于元素铝,所产生的潜力被证明是有效的,以重现基本的结构,动力学和热力学量的液体和过冷状态,而不需要包括既不明确的力量,也不是所有种类的配置在训练过程中。结晶的早期阶段进一步研究了更大的规模与一百万个原子,使我们能够解开功能的均匀成核机制在fcc相在环境压力下,以及在bcc相在高压下前所未有的精度接近\textit{ab initio}之一。在这两种情况下,观察到单步成核过程。
2022-08-05 cond-mat.dis-nn cond-mat.mtrl-sci physics.comp-ph
Electronic coarse graining enhances the predictive power of molecular simulation allowing challenges in water physics to be addressed
限制分子动力学模拟预测能力的一个关键因素是输入力场的准确性和可转移性。力场受到异质环境的挑战,在异质环境中,电子响应引起生物学上重要的力,如多体极化和分散。极化的重要性很早就被认识到,并由科克伦在1959年描述[哲学杂志4(1959)1082-1086]。然而,色散力仍然在两体水平和偶极极限下处理,尽管Barker在20世纪80年代证明了凝聚相中三体项的重要性[Phys. Rev. Lett. 57(1986)230-233]。在同等基础上处理极化和色散的一种方法是将电子分子部分粗化为单个量子谐振子,早在20世纪60年代,Hirschfelder,Curtiss和Bird就提出了[气体和液体的分子理论(1954)]。当在强耦合极限下求解时,这种处理给出了长程力的所有阶数。在过去的十年中,开发了利用这种强耦合限制所需的工具,最终形成了一种可转移的水模型,在整个相图中具有出色的预测能力。这种可转移性的出现是因为环境识别了远程交互的形式,而不是建模者选择的表达式。在这里,我们讨论的作用,电子粗粒化的预测多尺度材料建模,并描述了第一次实施的方法在一个通用的分子动力学软件,QDO_MD。
2016-09-10 cond-mat.mtrl-sci physics.chem-ph
Automated Prediction of Thermodynamic Properties via Bayesian Free-Energy Reconstruction from Molecular Dynamics
Moscow Institute of Physics and Technology(莫斯科物理技术学院);Digital Materials LLC(数字材料有限责任公司);Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究所)
针对现有热力学性质预测方法的局限,提出结合高斯过程回归与谐波/准谐波理论零点能修正的统一工作流,从MD数据重构自由能面,实现晶体和液相的自动化、带不确定性量化的热力学性质预测,为原子间势提供系统基准。
2025-11-18 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Non-equilibrium theory of the linear viscoelasticity of glass and gel forming liquids
本文提出一种基于NE-SCGLE理论的第一性原理方法,将非平衡结构因子和中间散射函数与剪切应力弛豫函数耦合,直接关联粒子间作用力与玻璃或凝胶态胶体液体老化过程中的线性粘弹性,并以WCA模型验证其预测能力。
2024-02-22 cond-mat.mtrl-sci cond-mat.soft physics.app-ph
Developing a Neural Network Machine Learning Interatomic Potential for Molecular Dynamics Simulations of La-Si-P Systems
本文为La-Si-P体系开发了可迁移的ANN-ML原子间势,验证其对晶体、液体及熔化行为的预测能力,并用于揭示LaP成核生长规律。
2025-06-10 cond-mat.dis-nn cond-mat.mtrl-sci physics.chem-ph
Group-theoretical high-order rotational invariants for structural representations: Application to linearized machine learning interatomic potential
许多晶体结构表征的旋转不变量已经被机器学习用来描述结构-性质关系。机器学习原子间相互作用势(MLIP)是旋转不变量的应用之一,它提供了能量和晶体结构之间的关系。由于MLIP在结构-性质关系的机器学习估计中需要最高的精度,因此旋转不变量的枚举对于构建具有所需精度的MLIP是有用的。在这项研究中,我们引入高阶线性独立的旋转不变量的基础上球谐函数,并将其应用到线性MLIP元素铝。利用群论投影方法,通过约化SO(3)群不可约表示的克罗内克积(Irreps)的一般过程,导出了一组旋转不变量.一个高的预测能力,为广泛的结构是通过使用高阶不变量与低阶不变量等价对和角结构特征。
2019-01-08 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph