Artificial neural network molecular mechanics of iron grain boundaries

鉄粒界の人工ニューラルネットワーク分子力学解析

椎原 良典*; 金澤 良亮*; 松中 大介*; Lobzenko, I.   ; 都留 智仁   ; 香山 正憲*; 森 英喜*

Shiihara, Yoshinori*; Kanazawa, Ryosuke*; Matsunaka, Daisuke*; Lobzenko, I.; Tsuru, Tomohito; Koyama, Masanori*; Mori, Hideki*

本研究では、最新の人工ニューラルネットワーク(ANN)ポテンシャルに基づく分子力学を使用した鉄中の46種類の対称傾角粒界の粒界(GB)エネルギーを評価した。粒界エネルギー計算の精度の検証のため、密度汎関数理論(DFT)に基づく第一原理計算、および古典的な経験ポテンシャルである、埋め込み原子法(EAM)、および修正EAM(MEAM)との比較を行った。その結果、EAMとMEAMはDFTの結果(平均約27%)とは大きく異なっていた一方、ANNポテンシャルによる結果はDFTの結果(平均5%)と非常によく一致していることを確認した。GBの一軸引張計算では、EAMとMEAMにおける延性挙動のアーティファクトが改善され、ANNポテンシャルではDFTで観察されたGBの脆性破壊傾向を再現した。これらの結果は、需要の高い鉄におけるANNポテンシャルの有効性を示している。

This study reports grain boundary (GB) energy calculations for 46 symmetric-tilt GBs in -iron using molecular mechanics based on an artificial neural network (ANN) potential and compares the results with calculations based on the density functional theory (DFT), the embedded atom method (EAM), and the modified EAM (MEAM). The results by the ANN potential are in excellent agreement with those of the DFT (5% on average), while the EAM and MEAM significantly differ from the DFT results (about 27% on average). In a uniaxial tensile calculation of GB, the ANN potential reproduced the brittle fracture tendency of the GB observed in the DFT while the EAM and MEAM mistakenly showed ductile behaviors. These results demonstrate the effectiveness of the ANN potential in calculating grain boundaries of iron, which is in high demand in modern industry.