使用机器学习间电位预测镍 - 山基随机合金中的氢扩散
2025-08-23 13:01:01
*通信材料 *的本文讨论了机器学习的原子间潜能来预测镍曼加尼斯随机合金(NI-MN)中的氢扩散。以下是本文的摘要和要点:### 概括:作者开发了一种机器学习的原子间潜力,以预测Ni-MN随机合金中的氢扩散。他们利用这种潜力模拟氢扩散行为,将其结果与实验数据进行了比较。该研究旨在了解氢如何在复杂合金系统中扩散与氢和工业应用相关的氢。###关键点:1。** ML潜力的发展:** - 机器学习的原子间潜力是专门针对Ni-MN随机合金开发的。 - 这种潜力允许精确模拟原子相互作用,包括涉及氢原子的相互作用。2。**仿真方法:** - 进行分子动力学(MD)模拟,以研究Ni-MN合金中氢的扩散行为。 - Ni和Mn原子的各种浓度和构型被认为了解它们对氢迁移率的影响。3。**与实验的比较:** - 将氢扩散系数的模拟结果与文献的实验数据进行了比较。 - 发现了良好的协议,验证了ML电位的准确性。4。**合金元素的影响:** - 该研究揭示了Ni和MN的不同浓度和排列如何影响合金基质中的氢迁移率。 - 鉴定出氢捕获和扩散位点的特定机制。5。**对工业应用的影响:** - 了解Ni-MN合金中的氢扩散对于设计具有改善工业应用中氢含量的抗性的材料至关重要。 - 这些发现可以告知针对氢储存的新合金或氢相互作用起着关键作用的其他用途的开发。###贡献: - ** Kazuma ITO:**概念化,方法论,软件开发,数据分析,编写原始草案,可视化和调查。 - ** Naoki Matsumura,Yuto Iwasaki,Yasufumi Sakai:**为软件开发和方法学方面做出了贡献。 - ** Misaho Yamamura,Tomohiko Omura,Junichiro Yamabe,Hisao Matsunaga:**提供了相对于实验数据的解释结果的专业知识,并有助于手稿编辑。###道德和致谢:作者没有宣称没有竞争利益。这项研究得到了Riken的HPCI系统研究项目和随附的用户支持计划提供的计算资源的支持。这项工作突出了机器学习潜力在预测复杂扩散行为方面的实用性,提供了对基本科学理解和涉及氢气的实用工业应用具有有价值的见解。