Atomistic modeling of mechanical properties of base-centered cubic multi-component alloys

基心立方多成分合金の機械的性質の原子論的モデリング

Lobzenko, I.   ; 都留 智仁   

Lobzenko, I.; Tsuru, Tomohito

耐火性多成分合金(MCA)は、体心立方構造(BCC)を持ち、厳しい条件下での使用において、高い可能性を秘めた重要な材料の一つである。本研究では、古典的な分子動力学シミュレーションで転位運動を高い計算精度で計算するために、機械学習の手法を開発した。その結果、一般的なBCC構造を有する金属に生じるすべり面とは異なる、特異なすべり面を示すことがわかった。発表では、教師用の機械学習データセットが機械学習ポテンシャル(MLP)の信頼性に与える影響についても報告する。

Refractory multicomponent alloys (MCAs) have a body-centered cubic (BCC) structure and are one of the most important materials with high potential for use under severe conditions. In this study, we developed a machine learning method to calculate dislocation motion with high computational accuracy in classical molecular dynamics simulations. As a result, it was found that the dislocation exhibits a peculiar slip surface, which is different from the slip surfaces that occur in metals with the general BCC structure. In the presentation, we also report the effect of the supervised machine learning dataset on the reliability of the machine learning potential.