[論文レビュー] Capturing short-range order in high-entropy alloys with machine learning potentials

Yifan Cao, Killian Sheriff+1 more|arXiv (Cornell University)|Jan 12, 2024

Machine Learning in Materials Science被引用数 4

ひとこと要約

本論文は、CrCoNiのような高エントロピー合金における化学的短距離秩序（SRO）を正確に捉えるための体系的フレームワークを提案する。最初および第二の配位殻における化学的に複雑なモチーフを戦略的にサンプリングすることで、MLPはSRO、積層欠陥エネルギー、相安定性、融点の予測において高い忠実度を達成し、従来のポテンシャルを上回る。エネルギーの正確さだけではSROの忠実度を予測できないことが示された。

ABSTRACT

Chemical short-range order (SRO) affects the distribution of elements throughout the solid-solution phase of metallic alloys, thereby modifying the background against which microstructural evolution occurs. Investigating such chemistry-microstructure relationships requires atomistic models that act at the appropriate length scales while capturing the intricacies of chemical bonds leading to SRO. Here we consider various approaches for the construction of training data sets for machine learning potentials (MLPs) for CrCoNi and evaluate their performance in capturing SRO and its effects on materials quantities of relevance for mechanical properties, such as stacking-fault energy and phase stability. It is demonstrated that energy accuracy on test sets often does not correlate with accuracy in capturing material properties, which is fundamental in enabling large-scale atomistic simulations of metallic alloys with high physical fidelity. Based on this analysis we systematically derive design principles for the rational construction of MLPs that capture SRO in the crystal and liquid phases of alloys.

研究の動機と目的

• エネルギーの正確さが高エントロピー合金（HEA）における化学的短距離秩序（SRO）の正確な捉え方と相関しないというアトムスティックモデリングにおける重要なギャップを解消すること。
• MLPがSROおよびその主要な機械的性質に与える影響を再現できるようにするための訓練データセットの設計原則を同定および検証すること。
• 最初および第二の配位殻における化学的に関連するモチーフの広範かつ偏りのあるサンプリングが、SROの高忠実度モデリングに不可欠であることを示すこと。
• 大規模なシミュレーションを用いて、SROが積層欠陥エネルギー、相安定性、融点といった材料特性に与える影響を評価すること。
• すべての設計原則を統合したベンチマーク訓練セットを確立し、複数の材料特性においてDFT水準の正確さを達成すること。

提案手法

• CrCoNiをモデル化するために、他のMLPよりも優れた性能を示すとして、5 Åの半径カットオフを有するモーメントテンソルポテンシャル（MTP）を採用した。
• 訓練データセット（TS-0, TS-1, TS-2）は、DFTベースのモンテカルロシミュレーションから中間的配置を抽出することで体系的に拡張され、SROに関連する化学的モチーフを捉えることを目的とした。
• 訓練戦略は、最初、第二、および第三の配位殻における一意な化学的モチーフの広範なサンプリングに重きを置き、特にSROに影響を与えるモチーフに注目した。
• モデルの性能は、20個の独立したMLPのアンサンブルから得られる95％信頼区間を用いて評価され、予測のばらつきを低減し、妥当性を確保した。
• 主な特性（Warren-Cowleyパラメータ、積層欠陥エネルギー、相安定性（ΔE）、融点）は、DFTおよび実験的ベンチマークと比較して計算された。
• 最終的な訓練セット（TS-f）は、すべての設計原則を統合し、相共存分子動力学を用いて融点を計算することで検証された。

実験結果

リサーチクエスチョン

• RQ1 テストセットにおけるエネルギーの正確さは、高エントロピー合金における化学的短距離秩序（SRO）の正確な予測と相関するか？
• RQ2 最初および第二の配位殻における化学的モチーフの体系的サンプリングは、MLPのSROおよび関連する材料特性の捉え方への影響にどのように寄与するか？
• RQ3 SROはCrCoNiにおける積層欠陥エネルギーおよび相安定性にどの程度影響を与えるか。また、MLPはこれらの影響を高忠実度で再現できるか？
• RQ4 SROを正確に再現するMLPを用いた大規模なシミュレーションは、小規模なDFTシミュレーションでは見逃された欠陥エネルギーおよび相転移の不確実性を解消できるか？
• RQ5 SROを捉えると同時に、熱力学的および機械的性質の高正確さを維持できる最適な訓練データ戦略は何か？

主な発見

• テストセットにおけるエネルギーの正確さは、SROの正確な予測と相関しない。これは、SROに特化した訓練戦略の必要性を強調する。
• 最終的なMLP（TS-f）は1661 Kの融点を達成し、実験値1690 Kと非常に良く一致しており、EAMポテンシャル（1410 K）を著しく上回った。
• 積層欠陥エネルギー（γ_sf）は、すべての温度で負であると予測され、実験的に観察された有限な部分的格子欠陥分離が正のγ_sfに起因するという仮説を支持する。
• 液体相におけるSROの組み込みは、液体相の安定化に不可欠であり、適切な化学的モチーフのサンプリングがなければ達成されなかった。
• 相安定性（ΔE）はSROのおかげでhcp相でさらに安定化され、低温で約600 Kの付近にΔEの急峻な変化（kink）が観察され、先行する第一原理の結果と整合する潜在的な相転移を示唆した。
• すべての設計原則を統合した最終的な訓練セットは、複数の特性において高い物理的忠実度を達成し、DFT水準の正確さを有するCrCoNiの大型アトムスティックシミュレーションを可能にした。