Npj Comput. Mater.: 高温合金—反向晶界能计算

镍基高温合金由于其优异的高温机械性能和耐腐蚀性，是飞机涡轮机、发电机等工业技术的首选材料。它通常具有多组化学成分，多达十种或更多元素，这种合金化进一步改善了镍基合金的高温性能。在镍基合金中，反相晶界能是合金设计中的一个重要参数。反相晶界能对合金成分非常敏感，这为优化合金成分以提供更高的屈服强度和抗蠕变性提供了丰富的设计空间。然而，由于材料系统有太多的自由度，仅依靠实验方法来探测反相晶界能量对成分的依赖性是非常困难的，且成本也高。近年来，随着计算水平的提高和计算手段的层出不穷，人们用密度泛函理论、相干势逼近、蒙特卡洛等方法对反相晶界能量进行了大量的计算研究，这也极大促进了对合金中反相晶界能量的理解，包括反相晶界能量与温度、自旋极化、成分和有序性之间的关联。

来自美国加州大学伯克利分校的Mark Asta与劳伦兹利物浦国家实验室的Timofey Frolov组成团队，提出了一个自动化计算工作流程，可以用来大规模计算反相晶界能量。他们通过利用机器学习算法，从数据中自动学习结构和能量特性与反相晶界能量之间的复杂关系，进一步提升预测反相晶界能的能力。作者开发了足够的数据来训练机器学习模型，从而自动研究成分对 Ni3Al 基合金中 (111) 反相晶界能量的影响。作者确定了用于构建反相晶界能量预测模型的几个物理特性，实现了 0.033 J m-2 的交叉验证误差。此外，通过预测商用高温合金中的反相晶界能量，他们证明了模型的可转移性。这工作提出的高通量计算和机器学习之间的协同为探索广阔的合金成分空间和加速合金开发进程提供了机会。此外，所开发的材料热力学数据库和数据驱动方法对该领域的发展也将产生巨大影响。

该文近期发表于npj Computational Materials 8：80 (2022)

转自：“知社学术圈”微信公众号

如有侵权，请联系本站删除！