Machine learning potentials for refractory high-entropy alloys applied to atomistic modeling of dislocation slip behavior

耐火性ハイエントロピー合金の機械学習ポテンシャルを転位滑り挙動の原子論的モデリングに適用

Lobzenko, I.   ; 森 英喜*; 都留 智仁   

Lobzenko, I.; Mori, Hideki*; Tsuru, Tomohito

ハイエントロピー合金(HEA)は複数の主要元素から構成される金属材料であるが、その優れた機械的特性のメカニズムは未だ十分に解明されていない。HEAの原子論的モデリングは、原子環境の化学的不均一性によって複雑化しており、古典的近似の範囲内で大規模システムの機械的応答をシミュレートするための新たな相互作用ポテンシャルの開発が求められている。機械学習を用いた原子間ポテンシャルは、この問題に対する有力なアプローチであることが示されている。本研究では、体心立方合金であるVNbMoTaWおよびTiZrNbHfTaを対象とし、人工ニューラルネットワークに基づく機械学習ポテンシャルを構築した。新たに開発したポテンシャルにより、体積弾性率、弾性定数、積層欠陥エネルギーといった基本的な材料特性を高精度に再現できることを示した。さらに、VNbMoTaWとTiZrNbHfTaはいずれも広い温度範囲で高い強度を示すが、延性の違いの要因について、これら2種の合金におけるらせん転位の滑り挙動のシミュレーション解析を実施した。その結果、強いピンニング効果がVNbMoTaWの高い脆性に寄与していることを明らかにし、対照的にTiZrNbHfTaではピンニングが抑制され、(112)滑り面が容易に活性化されることがわかった。

no abstracts in English