[論文レビュー] Solute segregation in polycrystalline aluminum from hybrid Monte Carlo and molecular dynamics simulations with a unified neuroevolution potential

Keke Song, Jiahui Liu+4 more|arXiv (Cornell University)|Apr 21, 2024

Aluminum Alloy Microstructure Properties被引用数 5

ひとこと要約

本論文は、GPUMD において統一的な neuroevolution potential (NEP) を用いた効率的な MCMD 法を開発し、polycrystalline Al における 15 溶質を研究して偏析パターンとそれが強度へ与える影響を明らかにし、強化と脆化の機構に関する洞察を提供する。

ABSTRACT

One of the most effective methods to enhance the strength of aluminum alloys involves modifying grain boundaries (GBs) through solute segregation. However, the fundamental mechanisms of solute segregation and their impacts on material properties remain elusive. In this study, we implemented highly efficient hybrid Monte Carlo and molecular dynamics (MCMD) algorithms in the graphics process units molecular dynamics (GPUMD) package. Using this efficient MCMD approach combined with a general-purpose machine-learning-based neuroevolution potential (NEP) for 16 elemental metals and their alloys, we simulated the segregation of 15 solutes in polycrystalline Al. Our results elucidate the segregation behavior and trends of 15 solutes in polycrystalline Al. Additionally, we investigated the impact of solutes on the strength of polycrystalline Al. The mechanisms underlying solute strengthening and embrittlement were analyzed at the atomistic level, revealing the importance of GB cohesion, as well as the nucleation and movement of Shockley dislocations, in determining the material's strength. We anticipate that our developed methods, along with our insights into solute segregation behavior in polycrystalline Al, will be valuable for the design of Al alloys and other multi-component materials, including medium-entropy materials, high-entropy materials, and complex concentrated alloys.

研究の動機と目的

• 粒界溶質偏析を設計された Al 合金への道として動機づける。
• 統一的な機械学習ポテンシャル（NEP）を用いて 16 種類の金属と合金を原子レベルで理解する。
• NEP に統合された効率的なハイブリッド Monte Carlo および分子動力学法（MCMD）を開発・検証する。
• ポリ晶 Al における 15 種の溶質の偏析挙動を特徴づけ、機械的影響を評価する。

提案手法

• GPUMD で 16 種類の金属およびその合金を記述するために UNEP-v1 NEP を使用する。
• Voronoi セグメンテーションを用いて、6 種類の結晶粒を持つ 20 nm 辺りのポリ晶 Al モデルを構築する。
• Metropolis ア acceptance を用いて種を交換する canonical NiVT 集成により MCMD を実行する。
• 大規模な N に対して、交換の影響を受ける原子のサイトエネルギーのみを計算することで、MCMD をほぼ自由に近づける。
• GPUMD の MCMD を LAMMPS と比較して正確性を検証し、GPU ハードウェア上での速度向上を示す。
• Ovito を用いた MD で応力下反応と転位機構を分析する。

実験結果

リサーチクエスチョン

• RQ1 ポリ晶 Al の粒界における 15 の溶質の偏析挙動はどうなるか？
• RQ2 異なる偏析溶質はポリ晶 Al の引張強度と変形機構にどのような影響を与えるか？
• RQ3 偏析によって強化または脆化を支配する原子レベル機構（転位核生成、粒界結合など）は何か？
• RQ4 NEP ベースの MCMD アプローチは従来法と比較して精度と効率の点でどう機能するか？
• RQ5 このアプローチは Al 合金および多成分材料の設計原理に有用な情報を提供できるか？

主な発見

• Ag, Au, Cu, Mg, Pb, Pd, and Pt fully segregate to grain boundaries in polycrystalline Al.
• Ni, Ta, Mo, and Zr partially segregate to grain boundaries.
• Cr, V, and W do not segregate at grain boundaries; Ti precipitates as BCC TiAl within grains.
• Pt and Pd segregation strengthens polycrystalline Al; Pb induces strong embrittlement; Mg embrittles GBs.
• Pb segregation expands the lattice and weakens GB cohesion, promoting cracking; Pt segregation increases GB cohesion and delays crack nucleation.
• Mg hinders dislocation nucleation at GBs and accelerates earlier fracture, while Pt enables earlier dislocation activity and plasticity.
• The MCMD-NEP GPUMD approach achieves substantial speedups (relative to CPU-based LAMMPS) while preserving physical results, enabling large-scale, multi-component alloy simulations.