機械学習ポテンシャルを用いたBCC鉄へき開の大規模原子シミュレーション

Large-scale atomistic simulations of cleavage in BCC Fe using machine-learning potential

鈴土 知明   ; 海老原 健一   ; 都留 智仁   ; 森 英喜*

Suzudo, Tomoaki; Ebihara, Kenichi; Tsuru, Tomohito; Mori, Hideki*

FeやWのようなBCC遷移金属は{100}面に沿ってへき開する。このメカニズムを明らかにするために、人工ニューラルネットワーク(ANN)技術によって作成された原子間ポテンシャルを用いて0KにおけるBCC鉄の曲線き裂先端の原子論的シミュレーションを行った。その結果、{110}クラック面に沿ったき裂先端では転位が放出されへき開が抑制されることを発見し、{100}面に沿ってのみへき開が観察される理由を説明できることがわかった。さらに、有限温度での{100}へき開シミュレーションでは、塑性変形を伴いより現実的な破壊が再現された。

Body-centered-cubic transition metals, such as Fe and W, cleave along the {100} plane. To find out the mechanism of this response, atomistic simulations of curved crack-fronts of bcc Fe were conducted at 0 K using an interatomic potential created by an artificial neural network (ANN) technique. We discovered that dislocations can be emitted from the curved crack fronts along the {110} crack plane, and this phenomenon explains why the cleavage is observed only along the {100} plane. In addition, the cleavage simulations along {100} at the elevated temperature were found to be accompanied by plasticity; namely, they represented more realistic fracture.