Physical Review Materials· 2026Q1
Katı-hal çökelmesi için makine öğrenmesi atomlararası potansiyelleri
Machine learning interatomic potentials for solid-state precipitation
- 1atıf
- Q1SCImago
- 2026yıl
Kısa özet
Katı-hal çökelmesini alaşımlarda modellemek için makine öğrenmesi atomlararası potansiyellerinin (MLIP'ler) parametrelendirilmesini kolaylaştıran yeni metrikler ve veri üretme şemaları sunuldu; Mg-Nd alaşımının çökelme davranışını deneysel olarak doğru bir şekilde yeniden üretiyor.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- MLIP parametrelendirmesi için simetrik olarak farklı dönüşüm yollarını listeleyen bir algoritma geliştirildi.
- Düşük sıcaklık termodinamiğini tahmin etmede MLIP doğruluğunu ölçmek için ağırlıklı Kendall- τ katsayısı ve genelleştirmesi tanıtıldı.
- Seyreltik bir Mg-Nd alaşımı için bir MLIP parametrelendirildi ve deneysel erken evre çökelme davranışı doğru bir şekilde yeniden üretildi.
- Atomistik simülasyonlar, düzenli-düzensiz ve yapısal dönüşümler arasındaki rekabeti ortaya çıkardı ve hcp-bcc arasında sürekli bir geçiş önerdi.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Machine learning interatomic potentials (MLIPs) are routinely used to model diverse atomistic phenomena, yet parameterizing them to accurately capture solid-state phase transformations remains difficult. We present error metrics and data-generation schemes designed to streamline the parameterization of MLIPs for modeling precipitation in multicomponent alloys. We developed an algorithm that enumerates symmetrically distinct transformation pathways connecting chemical decorations of different parent crystal structures. Additionally, we introduce the weighted Kendall- τ coefficient and its semigrand-canonical generalization as metrics for quantifying MLIP accuracy in predicting low-temperature thermodynamics. We apply these approaches to parameterize an MLIP for a dilute Mg–Nd alloy. The resulting potential reproduces the complex early stage precipitation behavior observed experimentally. Large-scale atomistic simulations reveal competition between order-disorder and structural transformations. Furthermore, these results suggest a continuous transition between high-symmetry hcp and bcc crystal structures during aging heat treatments.
Yazarların özeti; kaynağından alınmıştır. Physical Review Materials, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Malzeme Kimyası
Materials ChemistryMaterials Science