CN114169220A - 基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法 - Google Patents

基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法 Download PDF

Info

Publication number
CN114169220A
CN114169220A CN202111317123.4A CN202111317123A CN114169220A CN 114169220 A CN114169220 A CN 114169220A CN 202111317123 A CN202111317123 A CN 202111317123A CN 114169220 A CN114169220 A CN 114169220A
Authority
CN
China
Prior art keywords
function
potential function
potential
entropy alloy
phase
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111317123.4A
Other languages
English (en)
Inventor
王鹏
林艺城
曹宇
赵浩然
宋志成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN202111317123.4A priority Critical patent/CN114169220A/zh
Publication of CN114169220A publication Critical patent/CN114169220A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Genetics & Genomics (AREA)
  • Mathematical Physics (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，采用可用于分子动力学模拟的势函数，应用于亚稳态Fe50Mn30Cr10Co10高熵合金相变过程的分子动力学模拟。该势函数的基本形式为EAM函数形式，基于介原子方法进行建模，并采用遗传算法进行参数的优化。这一势函数可以有效的模拟出单晶或多晶构型中的相变过程，对于研究亚稳态可相变高熵合金的相变机理，进而加快新材料的研发具有重要意义。

Description

基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟 方法
技术领域
本发明提出了一个适用于亚稳态Fe50Mn30Cr10Co10高熵合金的金属间原子作用势，应用于Fe50Mn30Cr10Co10高熵合金的分子动力学模拟。
背景技术
近年来，高熵合金由于具有高强度、高硬度、耐高温和耐腐蚀等优异物理化学性能，以及由于组成元素众多，一般具有四种及四种以上的合金元素，每种元素的占比在5％～35％之间，而具有极大的组分调谐空间而越来越收到研究人员的广泛关注。其中，成分为Fe50Mn30Cr10Co10的高熵合金，由于在室温下的组织为亚稳态面心立方结构(FCC)，在变形过程中会发生相变，变成更为稳定的密排六方结构(HCP)。马氏体相变不仅可有效提升合金塑性，由于新生成的HCP相具有更少的滑移系和更高的强度，使得亚稳态高熵合金往往同时具有高强度和良好的塑性。
高熵合金的高强度高硬度的特点，大大增加了通过传统的实验方法(如拉伸实验)直接观察材料性能的实验难度。伴随着计算机中央处理器(CPU)的算力大幅提升以及计算材料学的不断发展，计算模拟方法已经成为了研究合金的性能和组织结构变化的主要途径之一，其中利用分子动力学(MD)模拟对金属材料的性能进行研究也越来越多。分子动力学模拟可以对材料的变形过程进行原子尺度的模拟，利用简单的势函数表示原子之间的相互作用，进而实时观察原子在材料变形过程中的各种微结构演化过程。MD模拟已经成为了探究材料变形机理的强有力的工具。而MD模拟结果的准确性主要由模拟过程中所选用的原子间相互作用势即势函数所决定，对于金属材料而言，现有的势函数EAM、MEAM、L-J势等主要适用于纯金属、二元或三元合金，这也使得MD模拟限制在三元和三元以下的金属材料中。高熵合金中所包含的元素种类繁多，使高熵合金势函数开发难度加大，因而进一步限制了高熵合金MD模拟实验的开展。其中，目前尚无针对Fe50Mn30Cr10Co10高熵合金开发的势函数，进一步限制了针对该高熵合金的MD模拟开展。
发明内容
为了解决现有技术问题，本发明的目的在于克服已有技术存在的不足，提供一种基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，本发明基于EAM势函数框架，结合介原子方法开发了一个可用于模拟Fe50Mn30Cr10Co10高熵合金相变过程的原子间相互作用势。
为达到上述发明创造目的，本发明采用如下技术方案：
一、基于介原子方法的EAM势函数：
介原子分子动力学模拟方法的建立基于以下两个假设：
(1)相似性假设。如果两个系统拥有相同的材料参数，如晶格常数、弹性常数、层错能等。则这两个系统中由这些材料参数所决定的宏观力学性能相一致。
(2)平均化假设。利用介原子方法进行分子动力学模拟时，不区分不同的金属元素具体的空间分布情况，而是使用一个虚拟的“介原子”代表不同的合金元素。并利用介原子构成的模型进行MD模拟。
基于介原子方法，将高熵合金由原来的四种以上的原子简化成一种虚拟的介原子，从而大大降低了势函数的优化难度。
基于EAM框架的势函数在金属材料的MD模拟中应用广泛。EAM理论假设体系中的每个原子都是嵌入到局部均匀的电子气中，这一假设与研究人员对金属材料中的原子及其周围环境的描述基本相似。因此，基于EAM方法发展势函数，势函数的总能量计算表达式为：
Figure BDA0003344082270000021
其中：E表示体系的总能量；F(ρi)为原子i的嵌入能；φij(rij)为原子i和原子j之间的对势；对于势函数的基本函数F(ρ)函数和φ(r)函数，其具体形式为：
Figure BDA0003344082270000022
Figure BDA0003344082270000023
式中：ρ表示电荷密度，n、m、p表示优化参数的序号，H表示Heaviside优化矩阵，a1、a2、a3、a4、a5、bn、cm，p、rm均为优化参数，r表示优化过程中的半径节点，r0表示势函数的截断半径。
二、优化势函数
势函数利用遗传算法进行迭代优化，优化过程采用加权最小二乘法对材料参数的优化值和目标值的残差进行优化，继而得到基函数的每一个参数。因此可以将势函数的优化过程转化为寻找最小值的数学问题：
Figure BDA0003344082270000024
式中：Z代表优化的残差；Wk表示优化量k的权重；K表示优化量总数；
Figure BDA0003344082270000031
和
Figure BDA0003344082270000032
分别代表材料参数k的拟合结果和优化目标量。优化过程中采用共轭梯度法寻找残差的最小值，其迭代过程如下：
(1)建立初始种群。利用给定的一组基函数进行优化，将这组参数解标记为A。
(2)利用加权最小二乘法优化拟合值和目标值之间的残差，直至找到一个可能的极小值参数解B。
(3)判断B是否好于A，若结果为真，则用A替代B。
(4)对A中的每个参数加入一个适当大小的白噪声，用所得到的新解代替原来的A。
(5)重复(2)-(4)的过程，直至拟合值与目标值的残差小于预先设定的阈值，并保存个体信息。在达到最大种群数后停止。
(6)按照轮盘赌法从种群中挑选出四个个体，再挑选出其中残差最小的两个个体进行基因交叉和变异，从而得到下一个种群的初始参数姐A。随后重复(2)-(5)的过程，直至达到设定的代数。
势函数优化程序为自主编写的matlab程序进行迭代优化。
三、势函数的筛选
对于求解得到的所有势函数，并非全部为可用的势函数。因此我们采用以下三个步骤筛选可用的势函数：
(1)读取残差小于0.25的势函数，绘制相关的函数曲线，并将势函数的参数解的每一个参数导入到数据库。对比势函数中的每个参数的拟合值与目标量之间的误差，从中选取出每个参数的误差均较小的势函数。
(2)对于筛选得到的势函数使用2nm×2nm×20nm的纳米线构型进行拉伸测试。这项测试可以快速确定势函数是否具有完全相变的能力。
(3)对于在步骤二中筛选出的可相变势函数，改用34.6nm×30nm×2nm的四晶粒构型进行拉伸测试，这一测试可以检验势函数在复杂工况下的稳定性。因为晶界中的原子排列的不规则性，特别是对于距离小于晶格常数的两个原子，若势函数不够稳定，则会发生原子聚集或者构型爆炸。
本发明利用遗传算法程序，进行迭代优化，得出势函数的参数解；随后利用得到的参数解带入势函数的基本方程，然后利用势函数的基本公式计算得到高熵合金材料参数，控制势函数模型对于HEA势函数的主要材料参数拟合的优化量与目标量之间的差距；然后筛选可用的势函数，完成原子间相互作用势函数的优化过程。
优选地，本发明基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，用于模拟亚稳态Fe50Mn30Cr10Co10高熵合金材料的单晶或多晶构型中的相变过程的原子间相互作用势参数。
本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：
1.本发明用于分子动力学模拟的势函数，应用于亚稳态Fe50Mn30Cr10Co10高熵合金相变过程的分子动力学模拟；该势函数的基本形式为EAM函数形式，采用遗传算法进行参数的优化；这一势函数可以有效的模拟出单晶或多晶构型中的相变过程，对于研究亚稳态可相变高熵合金的相变机理，进而加快新材料的研发具有重要意义。
2.本发明方法为针对Fe50Mn30Cr10Co10高熵合金开发的势函数，进一步促进了针对该高熵合金的MD模拟开展。
附图说明
图1为本发明势函数发展流程图。
图2为本发明势函数的基本方程曲线。其中插图(a)、(b)、(c)为构型分别沿[100]、[010]、[001]晶向拉伸和压缩的能量-应变曲线，插图(d)为F函数的曲线，(e)为对势函数函数的曲线，(f)为FCC相的Rose曲线，插图(g)、(h)分别为HCP相的构型能量云图的优化量与目标量。
图3为本发明纳米线构型的拉伸测试结果：其中插图(a)、(b)、(c)、(d)、(e)所对应的应变值分别为0.0％、3.3％、5.4％、7.9％、10.％。
图4为本发明四晶粒构型的拉伸测试结果：其中插图(a)、(b)、(c)、(d)、(e)、(f)所对应的应变值分别为0.0％、4.0％、8.0％、12.0％、18.5％、22.8％。
具体实施方式
以下结合具体的实施例子进一步说明本发明所提出的势函数可以描述Fe50Mn30Cr10Co10高熵合金变形过程中马氏体相变过程。本发明的优选实施例详述如下：
实施例一：
在本实施例中，基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，进行优化得到势函数的过程，包括以下步骤：
势函数的发展流程如图1所示。首先给出一组参数解代入F函数与函数的方程：
Figure BDA0003344082270000041
Figure BDA0003344082270000042
得到新的函数，随后根据EAM势函数的基本公式：
Figure BDA0003344082270000051
计算得到材料参数的目标值。然后利用公式：
Figure BDA0003344082270000052
计算出残差值，随后按照图1的流程利用遗传算法程序进行迭代优化。表1给出了本实施例所提出的势函数的参数解，随后利用这组参数解带入势函数的基本方程，然后利用势函数的基本公式计算得到表2中的材料参数。
表1.势函数的参数解
Figure BDA0003344082270000053
从表2可以看出，我们的势函数模型对于HEA的主要材料参数拟合的优化量与目标量之间的差距都很小。
表2.用于势函数拟合的材料参数及其优化量和目标量
Figure BDA0003344082270000061
而且对于FCC和HCP两相能量的优化值，71.0meV/atom(Ec_fcc-Ec_hcp)的能量差值则确保了相变的发生。除此之外，我们还绘制除了构型沿[100]、[010]、[001]方向的拉伸能量曲线，F函数曲线，函数曲线，FCC的Rose曲线，HCP的Rose能量云图，如图2所示，并输出HEA.eam.fs格式的势函数文件用于后续的MD模拟。从图二可以看出，每一条曲线都是光滑且连续的。特别是对于FCC和HCP两相的能量优化，从图(f)、(g)和(h)可以看出，我们优化得到的两相优化量均与目标量高度吻合，从而确保构型中两相的稳定性。
实施例二：
在本实施例中，根据实施例一中得到的是势函数，使用纳米线构型进行单轴拉伸，包括以下步骤：
(1)构建尺寸为2nm×2nm×20nm，取向为X-[100],Y-[010],Z-[001]的纳米线构型文件Atoms.lammps
(2)编写lammps脚本即in文件，主要包含以下模拟参数：
(2-1)设置沿X轴和Y轴的边界条件为自由边界条件，沿Z轴为周期性边界条件。
(2-2)设置体系的温度为10K。
(2-3)所使用的势函数为本发明所提出的介原子EAM势函数。
(2-4)确定系综为正则系综(NVT)。
(2-5)设置时间步长为0.001ps。
(2-6)进行模拟前将构型弛豫，弛豫时间设置为20000ps。
(2-7)设置拉伸方向为Z轴方向，最大应变为0.1，应变速率为5×108。
(3)导入HEA.eam.fs势函数文件，制作测试算例。
(4)采用LAMMPS软件进行分子动力学模拟。
(5)计算模拟结果的可视化采用OVITO软件进行，并使用CNA算法对不同结构的原子进行着色。
模拟结果如图3所示。从图中可以看出，随着构型的拉伸，代表着FCC相的白色原子的数目不断减少，而代表这HCP相的橘黄色原子的数量不断增加。最终，构型中的FCC相几乎全部转变成HCP相。
实施例三：
本实施例与实施例二基本相同，二者的区别在于：
模拟所使用的构型文件替换成了一个尺寸为34.6nm×30nm×2nm的四晶粒模型。对于LAMMPS计算脚本：将X、Y、Z轴向的边界条件修改为周期性边界条件；将弛豫时间增加至80000ps；最大应变增加至0.3。
随后制作出新的算例，计算模拟结果如图4所示。从图中可以看出，随着形变的增加，FCC不断地转变成HCP相。最终，绝大部分的FCC相转变成为HCP相。
实施例四：
本实施例原子间相互作用势函数的优化方法，其特征在于：利用势函数基本方程，绘制势函数的基本函数F(ρ)函数和φ(r)函数的曲线，使用此势函数计算得到的构型沿[100]、[010]、[001]三个晶向的拉伸与压缩的能量曲线、FCC的Rose曲线和HCP的能量云图。本实施例针对Fe50Mn30Cr10Co10高熵合金开发的势函数，进一步促进了针对该高熵合金的MD模拟开展。
上面对本发明实施例结合附图进行了说明，但本发明不限于上述实施例，还可以根据本发明的发明创造的目的做出多种变化，凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合或简化，均应为等效的置换方式，只要符合本发明的发明目的，只要不背离本发明的技术原理和发明构思，都属于本发明的保护范围。

Claims (8)

1.一种基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，其特征在于：用于模拟Fe50Mn30Cr10Co10高熵合金材料相变过程的分子动力学模拟，步骤如下：
1)采用如下势函数的基本函数F(ρ)函数和φ(r)函数，得到新的函数：
Figure FDA0003344082260000011
Figure FDA0003344082260000012
式中：ρ表示电荷密度，n，m、p表示优化参数的序号，H表示Heaviside优化矩阵，a1、a2、a3、a4、a5、bn、cm，p、rm均为优化参数，r表示优化过程中的半径节点，r0表示势函数的截断半径；
2)利用遗传算法程序，进行迭代优化，得出势函数的参数解；随后利用得到的参数解带入在所述步骤1)中势函数的基本方程，然后利用势函数的基本公式计算得到高熵合金材料参数，控制势函数模型对于HEA势函数的主要材料参数拟合的优化量与目标量之间的差距；然后筛选可用的势函数，完成原子间相互作用势函数的优化过程。
2.根据权利要求1所述基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，其特征在于：在所述步骤2)中，势函数利用遗传算法进行迭代优化，优化过程采用加权最小二乘法对材料参数的优化值和目标值的残差进行优化，继而得到基函数的每一个参数；将势函数的优化过程转化为寻找最小值的数学问题：
根据如下EAM势函数的基本公式计算得到材料参数的目标值：
Figure FDA0003344082260000013
其中E表示体系的总能量；F(ρi)为原子i的嵌入能；φij(rij)为原子i和原子j之间的对势；然后利用如下公式：
Figure FDA0003344082260000014
计算出残差值；式中，Z代表优化的残差；Wk表示优化量k的权重；K表示优化量总数；
Figure FDA0003344082260000015
和
Figure FDA0003344082260000016
分别代表高熵合金材料参数K的拟合结果和优化目标量。
3.根据权利要求2所述基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，其特征在于：在所述步骤2)中，采用共轭梯度法寻找残差的最小值，其迭代过程如下：
(1)建立初始种群，利用给定的一组基函数进行优化，将这组参数解标记为A；
(2)利用加权最小二乘法优化拟合值和目标值之间的残差，直至找到一个可能的极小值参数解B；
(3)判断B是否好于A，若结果为真，则用A替代B；
(4)对A中的每个参数加入一个适当大小的白噪声，用所得到的新解代替原来的A；
(5)重复步骤(2)-步骤(4)的过程，直至拟合值与目标值的残差小于预先设定的阈值，并保存个体信息；在达到最大种群数后停止；
(6)按照轮盘赌法从种群中挑选出4个个体，再挑选出其中残差最小的两个个体进行基因交叉和变异，从而得到下一个种群的初始参数姐A；随后重复步骤(2)-步骤(5)的过程，直至达到设定的代数。
4.根据权利要求2所述基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，其特征在于：在所述步骤2)中，采用以下步骤筛选可用的势函数：
①读取残差小于0.25的势函数，绘制相关的函数曲线，并将势函数的参数解的每一个参数导入到数据库；对比势函数中的每个参数的拟合值与目标量之间的误差，从中选取出每个参数的误差均较小的势函数；
②对于筛选得到的势函数使用2nm×2nm×20nm的纳米线构型进行拉伸测试，从而快速确定势函数是否具有完全相变的能力；
③对于在所述步骤②中筛选出的可相变势函数，使用34.6nm×30nm×2nm的四晶粒构型进行拉伸测试，用于检验势函数在复杂工况下的稳定性；从而可用的势函数的筛选过程。
5.根据权利要求1所述基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，其特征在于：用于模拟高熵合金材料的单晶或多晶构型中的相变过程的原子间相互作用势参数。
6.根据权利要求2所述基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，其特征在于：函数表达式中优化参数的具体数值，具体包括：a1、a2、a3、a4、a5、bn，其中n＝0～2，cm,p中的m＝1～7，p＝3～5，rm中的m＝1～7，其结果如下表：
Figure FDA0003344082260000021
Figure FDA0003344082260000031
7.根据权利要求2所述基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，其特征在于：利用势函数基本方程，对高熵合金主要材料参数的拟合结果如下：
Figure FDA0003344082260000032
8.根据权利要求2所述基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法，其特征在于：利用势函数基本方程，绘制势函数的基本函数F(ρ)函数和φ(r)函数的曲线，使用此势函数计算得到的构型沿[100]、[010]、[001]三个晶向的拉伸与压缩的能量曲线、FCC的Rose曲线和HCP的能量云图。
CN202111317123.4A 2021-11-09 2021-11-09 基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法 Pending CN114169220A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111317123.4A CN114169220A (zh) 2021-11-09 2021-11-09 基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111317123.4A CN114169220A (zh) 2021-11-09 2021-11-09 基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法

Publications (1)

Publication Number Publication Date
CN114169220A true CN114169220A (zh) 2022-03-11

Family

ID=80478331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111317123.4A Pending CN114169220A (zh) 2021-11-09 2021-11-09 基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法

Country Status (1)

Country Link
CN (1) CN114169220A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115565628A (zh) * 2022-09-23 2023-01-03 哈尔滨工业大学 一种模拟高熵合金均匀变形的分子动力学方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108182340A (zh) * 2017-12-11 2018-06-19 中国科学院合肥物质科学研究院 一种高固溶性多主元合金的快速筛选方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108182340A (zh) * 2017-12-11 2018-06-19 中国科学院合肥物质科学研究院 一种高固溶性多主元合金的快速筛选方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
夏璐;陈松;陆建生;谢明;潘勇;胡洁琼;杨有才;张吉明;王松;陈永泰;王塞北;魏宽;李爱坤;李慕阳;任县利;: "分子动力学模拟用贵金属势函数的应用与发展", 贵金属, no. 04, 15 November 2013 (2013-11-15) *
李健;郭晓璇;马胜国;李志强;辛浩;: "AlCrFeCuNi高熵合金力学性能的分子动力学模拟", 高压物理学报, no. 01, 31 December 2020 (2020-12-31) *
李甲;冯慧;陈阳;李理;田圆圆;谭福盛;彭静;陈浩天;方棋洪;: "高熵合金强韧化理论建模与模拟研究进展", 固体力学学报, no. 02, 31 December 2020 (2020-12-31) *
秦勤;邓俊超;臧勇;谢璐;朱学辉;: "热压316L/Q345R复合板的结合性能", 工程科学学报, no. 04, 9 April 2018 (2018-04-09) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115565628A (zh) * 2022-09-23 2023-01-03 哈尔滨工业大学 一种模拟高熵合金均匀变形的分子动力学方法
CN115565628B (zh) * 2022-09-23 2023-07-21 哈尔滨工业大学 一种模拟高熵合金均匀变形的分子动力学方法

Similar Documents

Publication Publication Date Title
Zhao et al. Machine learning-assisted discovery of strong and conductive Cu alloys: Data mining from discarded experiments and physical features
Knezevic et al. Three dimensional predictions of grain scale plasticity and grain boundaries using crystal plasticity finite element models
Jie et al. A CSA-based clustering algorithm for large data sets with mixed numeric and categorical values
Li et al. Atomic scale modeling of the coherent strain field surrounding Ni4Ti3 precipitate and its effects on thermally-induced martensitic transformation in a NiTi alloy
Chen et al. Effective design space exploration of gradient nanostructured materials using active learning based surrogate models
CN109545290B (zh) 一种基于Voronoi分形技术的非晶合金自由体积检测方法
Kochmann et al. The quasicontinuum method: Theory and applications
Yang et al. Modified embedded-atom method potential of niobium for studies on mechanical properties
CN103077288A (zh) 面向小样本试验数据的多元合金材料的软测量及其配方决策方法
CN114169220A (zh) 基于可相变Fe50Mn30Cr10Co10高熵合金相变过程的原子级模拟方法
Jian et al. Role of local chemical fluctuations in the melting of medium entropy alloy CoCrNi
Rollett et al. Modeling polycrystalline microstructures in 3D
Chu et al. Reliability based optimization with metaheuristic algorithms and Latin hypercube sampling based surrogate models
Elgack et al. Molecular dynamics simulation and machine learning-based analysis for predicting tensile properties of high-entropy FeNiCrCoCu alloys
Li et al. Machine learning driven rationally design of amorphous alloy with improved elastic models
CN112084619A (zh) 一种掺杂合金元素的金属基体耐腐蚀性能研究仿真方法
Huang et al. Adsorption and modification behavior of single atoms on the surface of single vacancy graphene: Machine learning accelerated first principle computations
Deluigi et al. Atomistic simulations of tensile deformation of a nanoporous high-entropy alloy
Zhang et al. From stacking fault to phase transformation: A quantitative model of plastic deformation of CoCrFeMnNi under different strain rates
Šešok et al. Global optimization of trusses with a modified genetic algorithm
CN118213007A (zh) 一种多目标性能协同优化的六元难熔高熵合金设计方法
Wang et al. Application of machine learning in the design and optimization of bimodal structural materials
Li et al. A crystal plasticity-based microdamage model and its application on the tensile failure process analysis of 7075 aluminum alloy
Wei et al. High-cycle fatigue SN curve prediction of steels based on a transfer learning-guided convolutional neural network
BHADAURIA et al. Effect of stress triaxiality on yielding of anisotropic materials under plane stress condition

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination