Magnetoresistive property study of direct and indirect band gap thermoelectric Bi-Sb alloys
我们报告的直接和间接带隙铋锑(Bi-Sb)合金的磁阻性能。带隙随磁场的增大而增大。观察到接近400%的大的正磁阻(MR)。低场MR经历二次增长,并且在高场下,它遵循几乎线性的行为,没有饱和的迹象。从低场MR数据提取的载流子迁移率显示出显著的高值。MR和流动性之间的相关性被揭示。我们证明,在高场的强近线性MR可以很好地理解的经典方法,共同建立的Parish和Littlewood。
2014-08-19 cond-mat.mtrl-sci
Structure-Composition-Property Relationships in Antiperovskite Nitrides: Guiding a Rational Alloy Design
通过A位或X位的合金策略是实验制备高性能和稳定的铅基钙钛矿太阳能电池的常用方法。无机反钙钛矿类化合物作为无铅、稳定的光伏吸收材料的重要候选者之一,具有优异的光电性能。然而,目前关于反钙钛矿合金设计的报道并不多见。在这项工作中,我们研究了以前被忽视的电子性质(例如,导带会聚)、静态介电常数和通过第一性原理计算的无机反钙钛矿氮化物中的激子结合能。揭示了容差因子与各物理量之间的线性关系。在六种反钙钛矿氮化物X3 NA(X2+ = Mg ~(2+),Ca ~(2+),Sr ~(2+); A3- = P ~(3-),As ~(3-),Sb ~(3-),Bi ~(3-))的结构-组成-性质关系的指导下,我们首次设计了一种具有良好应用前景的反钙钛矿合金Mg_3 NA_(0.5)Bi_(0.5),其准直接带隙为1.402 eV。最后,我们对反钙钛矿氮化物和传统的卤化物钙钛矿进行了全面的比较,指出了未来器件应用的方向。
2021-10-07 cond-mat.mtrl-sci
Accelerating the Design of Resorbable Magnesium Alloys: A Machine Learning Approach to Property Prediction
FZU - Institute of Physics, Czech Academy of Sciences(捷克科学院物理研究所);Department of Materials, Faculty of Nuclear Sciences and Physical Engineering, Czech Technical University in Prague(布拉格捷克技术大学核科学与物理工程学院材料系)
本文提出了一种基于机器学习的框架,用于快速筛选和设计新型可降解镁合金,通过预测力学性能优化材料设计。
2026-04-21 cond-mat.mtrl-sci
Accelerating Amorphous Alloy Discovery: Data-Driven Property Prediction via General-Purpose Machine Learning Interatomic Potential
本文开发了首个面向非晶合金的通用机器学习原子间势,基于20400个构型训练,在能量和力预测上达到近DFT精度,可准确预测密度、杨氏模量和玻璃化转变温度等宏观性质,为数据驱动设计和高通量成分筛选奠定基础。
2025-08-16 cond-mat.mtrl-sci
Electronic structure-property relationship in an Al0.5TiZrPdCuNi high-entropy alloy
本研究对比了Al0.5TiZrPdCuNi高熵合金的实验与理论价带结构,发现Al合金化显著影响费米能级态密度和磁化率,并指出理论计算与实验存在定量差异。
2024-02-16 cond-mat.mtrl-sci
Structure-property relations characterizing the devitrification of Ni-Zr glassy alloy thin films
对纳米尺度非晶合金薄膜热退火失透的研究,为纳米尺度非晶合金薄膜的热稳定性研究提供了一个全面的认识,并为纳米尺度非晶合金薄膜的应用开发提供了理论依据。通过详细的结构表征和分子动力学(MD)模拟研究了共溅射NiZr合金(Ni 78 Zr 22 at%)薄膜的非晶向晶态的多晶型转变,薄膜厚度低于文献报道的临界失透极限。在800摄氏度下观察到微晶化到纳米晶状态(Ni 7Zr 2结构),密度增加(约3.6%)远高于块体合金中实现的密度增加。在退火前后的薄膜和整体的物理结构,包括形态和组合物的磁性能的变化进行了检查。采用MD模拟不仅有效地阐明了高致密化,但也增加了磁矩退火后,这是与周围的Ni原子的配位数的模拟变化。结构弛豫过程伴随着失透被描述为一个无序到有序的转变,同时突出了在玻璃材料中普遍存在的化学短程有序所发挥的关键作用。
2021-09-29 cond-mat.mtrl-sci
MATAI: A Generalist Machine Learning Framework for Property Prediction and Inverse Design of Advanced Alloys
Nanyang Technological University(南洋理工大学);Singapore Management University(新加坡管理大学);CINTRA CNRS/NTU/THALES(CINTRA 法国国家科学研究中心/南洋理工大学/泰雷兹联合研究中心);National University of Singapore(新加坡国立大学)
针对先进合金研发受成分空间、性能目标和可制造性约束阻碍的问题,提出通用机器学习框架MATAI,经钛基合金实验验证可高效设计出优于商用TC4的高性能轻质合金。
2025-11-13 cond-mat.mtrl-sci cs.AI
Temperature-dependent structural property and power factor of n type thermoelectric Bi0.90Sb0.10 and Bi0.86Sb0.14 alloys
本文报道了Bi_(1-x)Sb_x(x=0.10,0.14)多晶样品的结构性质、线性热膨胀系数、电阻率、热电势和功率因数随温度的变化。温度依赖的粉末衍射实验表明,样品不经历任何结构相变。Rietveld精化技术已被用于进行详细的结构分析。发现Bi 0.90 Sb 0.10的热膨胀系数的温度依赖性更强。此外,直接带隙Bi 0.90Sb 0.10的功率因数比间接带隙Bi 0.86Sb 0.14的功率因数高。讨论了电子-电子和电子-声子散射对电阻率、热电势和功率因数的影响。
2013-12-13 cond-mat.mtrl-sci
Differentiable inverse design of short-range order in high-entropy alloys: from target sro to target property
University of Waterloo(滑铁卢大学)
提出基于梯度下降的可微逆设计方法,将原子占据视为连续变量,结合物理修正项和神经网络,实现从目标短程有序到目标力学性能的端到端优化,在4000原子系统中速度提升6倍、精度提升8倍。
2026-07-03 cond-mat.dis-nn cond-mat.mtrl-sci cond-mat.stat-mech
Mo-Re-W Alloys for High Temperature Applications: Phase Stability, Elasticity, and Thermal Property Insights via Multi-Cell Monte Carlo and Machine Learning
本研究结合多晶胞Monte Carlo与机器学习,预测Mo-Re-W合金相稳定性、弹性及热性能,并通过实验验证识别出适合1600°C高温应用的优化成分。
2025-07-27 cond-mat.mtrl-sci
Microstructural and magnetic property evolution with different heat-treatment conditions in an alnico alloy
铝镍钴合金是一种有吸引力的短期非稀土永磁合金系统,主要由Al、Ni、Co和Fe组成,其进一步的性能增强依赖于其在热处理过程中形成的复杂旋节分解纳米结构的改进的形态控制和尺寸细化。利用透射电子显微镜和原子探针层析成像技术,研究了各向同性32.4Fe-38.1Co-12.9Ni-7.3Al-6.4Ti-3.0Cu(wt. $\%$)合金在处理参数如退火温度、退火时间、施加外部磁场以及低温“拉伸”退火方面的性能。在较窄的温度和时间范围内($\sim 840 \unicode{x2103}$和热磁退火(MA)期间10分钟)形成最佳的旋节形态和间距。理想的形态是镶嵌结构,由周期性排列的富含$\sim 40$ nm直径(Fe-Co)的棒($α_1$相)嵌入富含(Al-Ni)的($α_2$相)基质中组成。尺寸为3-5 nm的富Cu相位于$\sim$相的两个相邻$\{110\}$小平面的拐角处。MA工艺显著增加了合金的剩磁($B_\text{r}$)($\sim$ 40-70 $\%$),这是由于$α_1$相沿$\langle100\rangle$晶体学方向的偏置伸长,该方向最接近所施加的磁场。具有1845 Oe的内禀矫顽力($H_\text{cj}$)和5.9 MGOe的最大能量积($BH_\text{max}$)的合金的最佳磁性能归因于镶嵌结构的均匀性。
2017-07-13 cond-mat.mtrl-sci
The dynamic evolution of swelling in nickel concentrated solid solution alloys through in situ property monitoring
从原子水平到微观尺度的缺陷和微观结构特征在材料的表现性质中起着决定性的作用。然而,对材料在环境刺激下演化的研究往往只将其性能与一个主要的微观结构特征相关联。在这里,动态演变的膨胀在一系列的镍基浓缩固溶体合金在高温辐照暴露下观察使用连续的,在原位测量的热弹性性能在散装标本。与传统的评估技术,仅占体积孔隙率确定使用电子显微镜,直接性能评估提供了一个综合的响应,在所有的缺陷长度尺度。特别是,在膨胀过程中的弹性性能的演变被发现显着依赖于整个尺寸谱的缺陷,从纳米到中尺度,其中一些是无法解析的成像。观察到的热输运性质的变化敏感地依赖于电子和晶格热导率的分区。这类新兴的原位实验直接测量相关条件下的综合性能,为材料动力学提供了独特的见解,否则使用传统方法无法获得。
2021-09-16 cond-mat.mtrl-sci
Towards Stacking Fault Energy Engineering in FCC High Entropy Alloys
堆垛层错能(SFE)是一种内在的合金性质,它支配着在面心立方合金中观察到的大部分塑性形变机制。虽然SFE多年来一直被认为是一种关键的固有力学性质,但通过实验观察或使用例如计算密集型第一原理方法进行预测来推断其具有挑战性。这种困难排除了明确使用超临界流体作为合金设计参数。在这项工作中,我们结合DFT计算(必要的构型平均),机器学习(ML)和基于物理的模型来预测面心立方CoCrFeMnNiV-Al高熵合金空间中的SFE。性能最好的ML模型能够准确预测这个7元素系统中任意成分的SFE。这个有效的模型,以及最近开发的模型来估计fcc HEAs的固有强度被用来探索强度SFE帕累托前沿,预测新的候选合金特别有趣的机械行为。
2021-11-05 cond-mat.mtrl-sci
Tuning the piezoelectric and mechanical properties of the AlN system via alloying with YN and BN
微机电系统的最新进展通常需要多功能材料,这些材料被设计为优化一种以上的性能。使用密度泛函理论计算合金化氮化物系统,我们说明了如何共合金化的压电材料(AlN)与不同的氮化物有助于同时调整其压电和机械性能。纤锌矿AlN-YN合金的压电响应随YN浓度的增加而增加,并伴随着沿晶体学c方向的机械软化。这两种效应都增加了与换能器和致动器相关的机电耦合系数。然而,谐振器应用需要优异的刚度,从而导致需要将增加的压电响应与软化的晶格解耦。我们发现,AlN与YN和BN的共合金化导致弹性性能的改善,同时保留了大部分的压电增强从YN合金化。这一发现可能会导致新的途径,调整压电材料的设计性能,通过成分属性地图。关键词:压电,机电耦合,密度泛函理论,共合金化
2017-08-12 cond-mat.mtrl-sci
Machine Learning-guided accelerated discovery of structure-property correlations in lean magnesium alloys for biomedical applications
本文利用机器学习方法研究贫镁ZX10合金热处理后的微观结构与硬度、耐腐蚀性的关联,发现晶粒细化和三元Ca2Mg6Zn3相分别是强化和腐蚀行为的主导因素,为优化可生物降解植入材料性能提供指导。
2024-04-19 cond-mat.mtrl-sci
A primitive machine learning tool for the mechanical property prediction of multiple principal element alloys
针对多主元合金成分依赖的力学性能预测问题,本文基于专门数据集训练多种机器学习模型,开发成分解析器并用Gradio构建交互界面,提供基础预测工具与可复用工作流程。
2023-08-15 cond-mat.mtrl-sci physics.chem-ph
An Extendable Cloud-Native Alloy Property Explorer
本文提出了一个开源、可扩展的云原生平台APEX,用于高效计算材料属性并支持原子间势的开发与优化,通过提供自动可视化和NoSQL等功能,降低了“AI for Materials”跨学科研究的门槛。
2024-04-26 cond-mat.mtrl-sci
Accelerating ab initio melting property calculations with machine learning: Application to the high entropy alloy TaVCrW
针对高熔点难熔材料熔化性质实验测量难、传统DFT方法计算成本高的问题,提出一种结合专用机器学习势的高效DFT方法,用自由能微扰替代热力学积分,节省80%计算资源,成功应用于高熵合金TaVCrW的熔化性质计算且结果与CALPHAD外推值吻合。
2024-08-16 cond-mat.mtrl-sci
HEACalculator: An Open-Source Python Tool for Thermodynamic Property Calculation and Solid Solution Prediction in High-Entropy Alloys
Texas A&M University(德克萨斯农工大学)
本文介绍HEACalculator,一个开源Python包,可计算16种常用热力学和结构描述符,并评估8种固溶体形成规则,支持CLI、GUI和API三种使用模式。
2026-06-19 cond-mat.mtrl-sci
AlloyVAE: A generative model for complex probabilistic field-to-field relationships in alloys
The Hong Kong University of Science and Technology(香港科技大学);University of Toronto(多伦多大学);Agency for Science, Technology and Research(新加坡科技研究局);Johns Hopkins University(约翰斯·霍普金斯大学);Tsinghua University(清华大学);HKUST Shenzhen–Hong Kong Collaborative Innovation Research Institute(香港科技大学深圳-香港协同创新研究院)
AlloyVAE通过微结构输入学习机械场的完整条件分布,解决多主元素合金中复杂、空间变化的机械场非唯一性问题,建立概率结构-性能关系,提供高维组分空间的可扩展替代方案。
2026-04-02 cond-mat.mtrl-sci
Computational property predictions of Ta-Nb-Hf-Zr high-entropy alloys
难熔高熵合金(R-HEAs)具有高强度和高硬度材料的性能和用途,用于环境和高温,航空航天和核辐射耐受应用,骨科应用等。TaNbHfZr R-HEA的屈服强度和延展性等机械性能取决于局部纳米结构和化学有序性。在这项研究中,我们已经计算得到的TaNbHfZr合金的各种性能,如配置熵的热力学性质的作用,在热退火系统中的纳米结构形态的演变速度,基于位错模拟的屈服强度的定量预测,位错运动的性质,通过短程聚类(SRC)和定性预测的韧脆转变行为。模拟开始于具有BCC晶格结构的初始随机固溶体合金结构的基于混合蒙特卡罗/分子动力学(MC/MD)的纳米结构演化,所述BCC晶格结构由沿着[1 1 1]、[-1 1 0]和[-1 -1 2]方向的主轴产生,适合于模拟1/2[1 1 1]刃位错。热力学性质的计算从焓的变化和构型熵的相邻键计数统计。MC/MD演化的结构模拟在1800°C下的退火处理,并且输出结构在周期性方向上被复制以制造用于位错模拟的更大的384000个原子结构。刃位错被用来获得和解释观察到的额外的强化,因为SRC的形成。最后,对包含位错的MC/MD演化结构施加超过CRSS的高剪切应力,以研究位错和晶格结构的稳定性,以解释实验观察到的TaNbHfZr R-HEA从韧性到脆性的转变行为。
2020-10-22 cond-mat.mtrl-sci physics.comp-ph
Investigation of n-type dilute magnetic semiconductor property observed in amorphous AlNO alloy thin film incorporated with dilute nitrogen at 300K
采用射频反应磁控溅射高纯(99.999%)铝靶,以高纯(Ar + N2)混合气体为溅射气体,在石英衬底上制备了薄膜。气体混合物中Ar和N2的百分比比率分别为95%和5%。X射线光电子能谱学(XPS)和X射线能谱(EDX)分析表明,在稀氮存在下,Al优先与残余氧反应生成Al 2 O3,而氮则掺入其中,体膜的化学计量比为Al2N0.38O3.1。磁性和电学性能测试表明,该薄膜在300 K时具有n型稀磁半导体(DMS)特性。薄膜的电阻率为6.3 Ω·cm,载流子迁移率为5.7 × 106 cm ~ 2 V ~(-1)s ~(-1)。一个密度泛函理论(DFT)计算进行调查的起源观察到的磁性在薄膜中。基于密度泛函理论的第一性原理计算发现,对于热力学稳定性,Al_2O_3中的稀氮优先占据间隙位置,这是导致磁性的原因。本研究提供了一个新的见解,在室温下制备罕见的n型DMS通过将氮杂质在Al_2O_3中,这是理想的潜在应用领域的自旋电子学。
2020-10-16 cond-mat.mtrl-sci
Ensemble learning reveals dissimilarity between rare-earth transition metal binary alloys with respect to the Curie temperature
Japan Advanced Institute of Science and Technology(日本先进科学技术大学);ESICMM, NIMS(日本国立材料科学研究所ESICMM);HPC Systems Inc.(HPC系统公司);Center for Materials Research by Information Integration, National Institute for Materials Science(日本国立材料科学研究所信息集成材料研究中心);CD-FMat, AIST(日本产业技术综合研究所CD-FMat);JST, PRESTO(日本科学技术振兴机构PRESTO)
我们提出了一种数据驱动的方法来提取材料之间的相异性,相对于一个给定的目标物理特性。该方法基于集成方法,以核岭回归为预测模型,对样本进行多个随机子集采样,生成预测模型,并详细分析参考训练样本的贡献。每种材料的预测值的分布可以通过高斯混合模型来近似。有助于准确预测特定材料的物理性质值的预测模型的参考训练材料被认为与该材料相似,反之亦然。使用合成数据的评估表明,该方法可以有效地测量数据实例之间的差异。将该方法应用于3d过渡金属4f稀土二元合金的居里温度(TC)数据,也揭示了材料间关系的有意义的结果。所提出的方法可以被认为是一种潜在的工具,用于获得更深入的理解的数据的结构,相对于一个目标属性,特别是。
2020-08-20 cond-mat.mtrl-sci cs.LG stat.ML
Computational study on microstructure evolution and magnetic property of laser additively manufactured magnetic materials
增材制造(AM)为直接从粉末前体快速生产复杂形状的零件提供了前所未有的机会。但它在功能材料,特别是磁性材料方面的应用还处于起步阶段。在这里,我们提出了第一次尝试计算研究的微观结构演变和磁性材料(如铁镍合金)的选择性激光熔化(SLM)处理。采用有限元法计算了SLM工艺在Fe-Ni合金中产生的热历史,并由此计算了合金中的残余应力分布。利用有限元分析得到的温度信息和相图计算(CALPHAD)的结果,预测了$γ$ -Fe-Ni和FeNi $_3$相分数的演变和分布。基于残余应力与磁弹性能之间的关系,采用微磁学模拟方法研究了SLM处理后Fe-Ni合金的磁性能(磁化率、剩磁和磁畴结构)。结果表明,计算得到的铁镍合金的矫顽力与实验测量值相符。这项计算研究表明,通过集成FEA,CALPHAD和微磁学,增材制造磁性材料的模拟是一种可行的方法。
2019-02-13 cond-mat.mtrl-sci
Unified machine-learning framework for property prediction and time-evolution simulation of strained alloy microstructure
Department of Materials Science, University of Milano-Bicocca(米兰-比科卡大学材料科学系);Department of Physics, University of Genova(热那亚大学物理系)
本研究提出统一机器学习级联框架,结合卷积循环神经网络,可从应变合金微观结构短轨迹提取弹性参数并预测演化,在多失配条件下均准确,具扩展性与通用性。
2025-07-29 cond-mat.mes-hall cond-mat.mtrl-sci cs.LG
Hidden ordered compound-layer and its tailoring of the electronic/optical property in Ge2Sb2SexTe5-x alloys
School of Materials Science and Engineering, Beihang University(北京航空航天大学材料科学与工程学院)
通过原子模拟发现Ge2Sb2SexTe5-x合金中形成SeTe2或Se2Te化学计量比的层内化合物结构,而非之前认为的纯元素分层模型,该结构增强了热稳定性、降低了光学损耗,并解释了其优越的光学性能。
2026-07-01 cond-mat.mtrl-sci physics.app-ph
Prediction of properties of metal alloy materials based on machine learning
Southwest Jiaotong University(西南交通大学)
密度泛函理论及其优化算法是目前材料领域计算性质的主要方法。虽然计算结果是准确的,但它需要花费大量的时间和金钱。为了缓解这个问题,我们打算使用机器学习来预测材料性能。本文利用开放的量子材料数据库,对金属合金的原子体积、原子能量和原子形成能进行了实验研究。通过传统的机器学习模型、深度学习网络和自动化机器学习,验证了机器学习在材料性能预测中的可行性。实验结果表明,机器学习可以准确地预测材料的性能。
2021-09-20 cond-mat.mtrl-sci cs.LG physics.comp-ph
Electronic band structure and ambipolar electrical properties of Cu2O based semiconductor alloys
通过合金化来调节光电特性对于半导体技术是必不可少的。目前,大多数使用等价和同构合金(例如,IV族和III-V族),但是当考虑通过混合异价和异质结构成分的更复杂的合金时,可以想象到新型功能材料的巨大且未开发的空间。真正的挑战在于定量预测这类复杂合金的性能,以指导其实验探索。我们开发了一种方法来预测的能带结构和电学性质的从头计算的组成依赖性,通过扩展传统的稀缺陷模型,以更高的(合金)浓度。考虑到合金的异价(镁,锌,镉)阳离子和等价的阴离子(S,硒)到CuO,我们预测的可调性的带隙能量和掺杂水平在很宽的范围内,包括从p型到n型的类型转换。Zn和Se取代的Cu 2 O的初始合成和表征支持缺陷模型,表明这些合金作为有前途的新型氧化物半导体材料。
2014-07-01 cond-mat.mtrl-sci
Predictive Modeling and Uncertainty Quantification of Fatigue Life in Metal Alloys using Machine Learning
University of Idaho(爱达荷大学)
本研究提出一种整合基于物理的疲劳寿命模型与机器学习模型的新方法,通过引入物理输入特征和物理信息损失函数,有效提升了金属合金疲劳寿命预测的一致性与不确定性区间估计的可靠性。
2025-01-25 cond-mat.mtrl-sci cs.LG
Complete miscibility amongst AV$_3$Sb$_5$ kagome superconductors: design of mixed A-site AV$_3$Sb$_5$ (A: K, Rb, Cs) alloys
在这项工作中,我们探索的AV $_3$ Sb $_5$家庭通过A位合金化的化学性质相图。我们证明了碱位点的完全可吸收性,突出了三种母体化合物是单一固溶体的末端。利用多晶和单晶方法,我们绘制了两个主要的电子不稳定性的依赖关系:(1)电荷密度波(CDW)的开始顺序($T_\text{CDW}$)和(2)超导性的开始($T_\text{c}$)与碱金属网站的组成。我们在$T_\text{CDW}$和$T_\text{c}$中显示出连续的趋势,包括K $_{1-x}$ Cs $_{x}$ V $_3$ Sb $_5$合金中CDW稳定性增强的区域。总之,我们的研究结果开辟了新的化学微扰和探索类AV $_3$ Sb $_5$戈薇超导体的化学性质的关系。
2023-01-23 cond-mat.mtrl-sci cond-mat.other cond-mat.supr-con
Electronic structure property relationship in glassy Ti-Zr-Nb-(Cu,Ni,Co)
本文提出基于后过渡金属总含量的系统分析方法,利用Ti-Zr-Nb-(Cu,Ni,Co)玻璃态合金已有数据外推非晶TiZrNb的电子结构与超导参数,并解释高熵合金中Tc异常的来源。
2025-02-05 cond-mat.mtrl-sci
Uncertainty-Aware Machine-Learning Framework for Predicting Dislocation Plasticity and Stress-Strain Response in FCC Alloys
Johns Hopkins University(约翰斯·霍普金斯大学);Institute of High Performance Computing, Agency for Science, Technology and Research(高性能计算研究所,科技研究局);Xi’an Jiaotong University(西安交通大学);City University of Hong Kong(香港城市大学)
本研究提出基于混合密度网络的不确定性感知机器学习框架,利用文献实验数据预测FCC合金晶粒级位错密度与应力分布,结合位错介导塑性模型实现带不确定性量化的应力-应变预测,提升力学性能预测准确性并助力合金设计。
2025-06-25 cond-mat.mtrl-sci cs.LG
Structure-Property Correlation of Cr/Cu-MnFeCoNi High-Entropy Alloys for Alkaline Water Electrolysis
Rice University(莱斯大学);Indian Institute of Technology, Kanpur(坎普尔印度理工学院);University of Brasília(巴西利亚大学);Indian Institute of Technology, Kharagpur(卡拉格普尔印度理工学院);State University of Campinas(坎皮纳斯州立大学);Federal University of Rio Grande do Norte(北里奥格兰德联邦大学)
该研究对比CrMnFeCoNi与MnFeCoNiCu高熵合金的碱性析氢、析氧性能,发现Cu取代Cr可提升双功能催化活性,其电子结构调控及OER后Cu迁移形成特殊结构的特性,为高效水电解催化剂设计提供了新策略。
2026-11-17 cond-mat.mtrl-sci
Yield Strength-Plasticity Trade-Off and Uncertainty Quantification for Machine-learning-based Design of Refractory High-Entropy Alloys
本文利用深度学习建立难熔高熵合金压缩屈服强度与室温塑性模型,结合统计验证、实验验证和可解释性分析,量化预测不确定性并识别关键成分特征。
2023-04-27 cond-mat.mtrl-sci
Boosting biocompatibility and mechanical property evolution in a high-entropy alloy via nanostructure engineering and phase transformations
本研究通过高压扭转在Ti-Zr-Hf-Nb-Ta高熵合金中引入纳米晶和BCC-omega相变,同时提升强度(2130 MPa)并降低弹性模量(69 GPa),改善生物相容性,展示了其在骨科生物材料中的应用潜力。
2025-06-21 cond-mat.mtrl-sci physics.med-ph
Defect induced structural and thermoelectric properties of Sb2Te3 alloy
报道了金属和半导体Sb_2Te_3的结构和热电性质。X射线衍射和拉曼光谱研究表明,半导体样品具有较高的缺陷密度。强调了可能的缺陷的性质和起源。半导体Sb_2Te_3中存在大量的缺陷,这些缺陷作为散射中心,导致电阻率、热电势和功率因数的增加。热电势数据表明合成样品的p型性质。它是证明,表面状态往往是混合与体状态,引起金属性在Sb2Te3。讨论了不同散射机制对Sb_2Te_3热电性能的影响。
2015-07-13 cond-mat.mtrl-sci
Effect of co-existing crystal structures on magnetic properties of Ni_2Mn_(1+x)Sn_(1-x) magnetic shape memory alloy
本文用X射线衍射法对Ni_2Mn_(1+x)Sn_(1-x)(x = 0.40和0.44)磁性记忆合金马氏体相的晶体结构随温度变化进行了分析。马氏体相由4层和14层正交结构组成。4层和14层正交结构的相分数随温度变化。有趣的是,磁性也随温度变化,并对应于结构变化温度。由此计算了原始Mn和置换Mn之间的交换耦合常数,表明4层和14层正交结构具有不同的反铁磁耦合强度。分析解释了零场冷却条件下这些系统的自旋玻璃行为和异常的交换偏置效应的起源。
2017-01-30 cond-mat.mtrl-sci
Automated Extraction of Multicomponent Alloy Data Using Large Language Models for Sustainable Design
Indian Institute of Technology Madras(印度马德拉斯理工学院)
利用大语言模型自动化提取多组分合金数据,构建大规模数据库并用于可持续材料选择。
2026-02-04 cond-mat.mtrl-sci physics.data-an
Formation of a Te-Ag Honeycomb Alloy: A New Type of Two-Dimensional Material
受石墨烯独特性质的启发,现在文献中的重点是研究各种二维(2D)材料,旨在探索其未来应用的性质。石墨烯的IV族类似物,即,硅烯、锗烯和锡烯近年来已被广泛研究。然而,它们的半金属能带结构阻碍了它们在电子应用中的使用。因此,具有各种尺寸的带隙的二维材料的合成已经吸引了很大的兴趣。在这里,我们报告了一个成功的制备二维Te-Ag二元合金与蜂窝结构。角分辨光电子能谱学(ARPES)结合密度泛函理论(DFT)的第一性原理计算证实了这种二元合金的形成。半导体性质的ARPES数据进行了验证和直接的间隙约0.7 eV的DFT计算预测。
2019-09-19 cond-mat.mtrl-sci
Structure, magnetic and transport properties of epitaxial thin films of equiatomic CoFeMnGe quaternary Heusler alloy
未来的自旋电子学需要实现具有高居里温度和费米能级100%自旋极化的半金属铁磁体的薄膜,以实现潜在的自旋电子学应用。本文报道了利用脉冲激光沉积系统在MgO(001)衬底上外延生长半金属CoFeMnGe Heusler合金薄膜,并对其结构、磁性和输运性质进行了研究。的薄膜的磁性能测量表明,在室温下的软铁磁状态的面内磁各向异性和居里温度远高于室温。各向异性磁电阻(AMR)比和温度依赖的电阻率测量的薄膜表明该化合物是半金属的性质,因此适合于自旋电子器件的制造。
2018-02-07 cond-mat.mtrl-sci
Atomic Representations of Local and Global Chemistry in Complex Alloys
本文针对复杂浓縮合金中局域化学环境难以定量表征的问题,通过分子动力学和MoNbTaTi机器学习势构建了连接全局与局域成分的描述性度量,揭示了性能分布及空位形成能随局域化学演化的显著变化。
2023-04-18 cond-mat.mtrl-sci physics.chem-ph
Uncertainty Quantification and Composition Optimization for Alloy Additive Manufacturing Through a CALPHAD-based ICME Framework
在粉末生产过程中,预合金粉末组成通常偏离目标组成,导致增材制造(AM)部件的不期望的性质。因此,我们开发了一种基于CALPHAD的ICME框架(CALPHAD:calculations of phase diagrams,ICME:integrated computational materials engineering)进行高通量计算和不确定性量化的方法,以高强度低合金钢(HSLA)为例进行成分优化。我们分析了围绕HSLA-115的标称组成的450,000种组成的工艺-结构-性能关系。性能的关键性能,如屈服强度,冲击转变温度和可焊性,进行了评估,以优化组合物。在与初始组成相同的不确定性下,确定了优化的平均组成,这将实现成功的AM构建的概率提高了44.7%。本策略是通用的,并且可以应用于其他合金成分优化,以扩大用于增材制造的合金的选择。这种方法还需要高质量的CALPHAD数据库和ICME预测模型。
2020-12-22 cond-mat.mtrl-sci physics.app-ph
Anomalous random correlations of force constants on the lattice dynamical properties of disordered Au-Fe alloys
Au-Fe合金由于具有良好的生物相容性、反常的霍尔导电性以及在各种医疗领域的应用而引起人们极大的兴趣。然而,无论制备方法如何,它们通常表现出高水平的无序,对热或磁退火温度敏感。我们使用密度泛函理论方法计算了Au $_{1-x}$ Fe $_x$合金的晶格动力学性质,其中,作为一个多位性质,无序合金中原子间力常数(IFC)的可靠计算仍然是一个挑战。我们遵循两种方法:(1)在具有名义上为零的化学对相关性的环境中精确的IFC计算,以模拟均匀无序合金;以及(2)对所需的声子性质进行构型平均(例如,色散、态密度和熵)。我们发现在$x$ =0.19附近的IFC和声子色散(分裂带)的异常变化,这是由于当Au在Fe附近时Au-Au键的局部硬化。基于机械和热物理性质的其他结果反映了类似的异常:声子熵,例如,在低于$x$ =0.19时变为负值,表明化学不混合的趋势,反映了相图中相容性间隙的开始。我们的结果与报告的数据相当吻合。
2017-07-13 cond-mat.mtrl-sci
Machine learning-based prediction of elastic properties of amorphous metal alloys
本研究基于大量非晶态金属合金数据,通过机器学习分析杨氏模量的相关特征,发现合金摩尔质量与组元数对弹性无显著影响,构建了关联杨氏模量与玻璃化转变温度、屈服应力的非线性回归模型,推广了已有经验公式。
2023-06-14 cond-mat.mtrl-sci
DSC curve fingerprints directly encode mechanical properties of aluminum alloys
LKR Light Metals Technologies, AIT Austrian Institute of Technology(奥地利技术研究所 LKR 轻金属技术);Faculty of Science and Engineering, Maastricht University(马斯特里赫特大学科学与工程学部)
研究通过DSC曲线直接编码铝合金机械性能,利用机器学习模型预测强度和延展性,验证DSC作为快速评估工具的可行性。
2026-03-20 cond-mat.mtrl-sci
Van der Waals CrSBr alloys with tunable magnetic and optical properties
Université Grenoble Alpes(格勒诺布尔阿尔卑斯大学);University of Chemistry and Technology Prague(布拉格化工大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
研究通过合金化CrSBr合金调控其磁性和光学性质,揭示了卤素混合对磁交换和电子相互作用的影响,为磁子能量调制提供了新途径。
2026-01-05 cond-mat.mes-hall cond-mat.mtrl-sci
Information fusion strategy integrating pre-trained language model and contrastive learning for materials knowledge mining
National University of Defense Technology(国防科技大学)
针对复杂材料性能预测中定量描述符不足的问题,提出融合MatSciBERT与对比学习的信息融合架构,结合文献文本与物理描述符提取隐含知识,在两类合金数据集上实现优异预测性能,为材料设计与发现提供新框架。
2025-06-14 cond-mat.mtrl-sci cs.LG
An Active Learning Interatomic Potential For Defect-Engineered CoCrFeMnNi High-Entropy Alloy
University of Tokyo(东京大学);Indian Institute of Technology Gandhinagar(甘地纳加尔印度理工学院);Herbert Gleiter International Institute, Liaoning Academy of Materials(赫伯特·盖勒国际研究所,辽宁材料研究院);Regional Institute of Education(地区教育学院)
针对CoCrFeMnNi高熵合金原子间势缺失的问题,本研究结合主动学习方案训练含缺陷构型的矩张量势MTP,其预测性能优于MEAM势,已嵌入LAMMPS公开可用。
2025-11-16 cond-mat.mtrl-sci
Data-efficient and Interpretable Inverse Materials Design using a Disentangled Variational Autoencoder
Institute for Experiential AI, Northeastern University(东北大学体验式人工智能研究所);The Roux Institute, Northeastern University(东北大学鲁克斯研究所)
本文提出了一种基于解耦变分自编码器的半监督学习方法,用于高效且可解释的逆材料设计,通过解耦潜在变量与目标属性提升模型鲁棒性与可解释性。
2026-02-10 cond-mat.mtrl-sci cs.LG
Discovering Novel Halide Perovskite Alloys using Multi-Fidelity Machine Learning and Genetic Algorithm
本文利用多保真机器学习与遗传算法,基于DFT和实验数据训练代理模型,对超15万种卤化物钙钛矿合金进行性质预测与逆向设计,成功筛选出数千种高效稳定的光伏材料。
2023-10-19 cond-mat.mtrl-sci
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
Predicting Grain Boundary Segregation in Magnesium Alloys: An Atomistically Informed Machine Learning Approach
本研究结合原子模拟与机器学习,预测镁合金晶界偏析,发现Nd偏析显著,为轻质镁合金设计提供新途径。
2025-03-30 cond-mat.mtrl-sci
Shining light on short-range atomic ordering in semiconductors alloys
Stanford University(斯坦福大学);SLAC National Accelerator Laboratory(斯坦福直线加速器中心);George Washington University(乔治华盛顿大学);National Institute of Standards and Technology(美国国家标准与技术研究院);University of California Berkeley(加州大学伯克利分校);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);Max Planck Institute for Sustainable Materials(马克斯·普朗克可持续材料研究所)
研究通过机器学习方法分析EXAFS数据,揭示GeSn合金中短程原子有序性对带隙的影响,并展示通过退火调控短程有序性以优化半导体性能。
2026-04-07 cond-mat.mtrl-sci physics.comp-ph
Microstructure and phase transformation of nickel-titanium shape memory alloy fabricated by directed energy deposition with in-situ heat treatment
增材制造由于其灵活性而被广泛应用于制造镍钛(NiTi)记忆合金的各种结构,以产生具有最小缺陷的复杂结构。然而,组织不均匀性和第二相的形成是阻碍NiTi合金进一步应用的两个主要问题。虽然通常采用后热处理来改善或控制NiTi合金的性能,但它不能实现NiTi合金的热性能和/或机械性能的空间控制。为了克服均匀后热处理的局限性,本研究提出了一种原位热处理策略,该策略被集成到NiTi合金的定向能量沉积中。所提出的方法将可能导致新的制造能力,以实现位置相关的性能或属性操纵。研究了原位热处理对NiTi印刷结构的热性能和力学性能的影响。通过三维有限元模拟和实验表征,对热循环、组织演变和力学性能进行了研究。采用低功率激光束将原位热处理仅定位于当前印刷层,从而依次促进逆包封反应和瞬时高固溶处理。原位热处理后,试样的差示扫描量热曲线上出现明显的相变峰,Ti 2Ni相体积减少约50%~70%,显微硬度降低约35 HV。
2022-02-18 cond-mat.mtrl-sci physics.app-ph