[논문 리뷰] Atomic Representations of Local and Global Chemistry in Complex Alloys

Megan McCarthy, Jacob Startt외 3명|arXiv (Cornell University)|2023. 03. 08.

Machine Learning in Materials Science인용 수 4

한 줄 요약

이 논문은 MoNbTaTi 고융점 복합 농도 합금(CCAs)를 위한 기계학습된 원자간 위치 에너지 함수를 소개하고, 반경 컷오프 기반 국소 조성 지표를 사용하여 국소와 전반적 조성의 차이를 정량화하는 프레임워크를 개발한다. 이는 등원자성 CCAs에서도 국소 화학 조성이 변화함에 따라 흐름 결함 생성 에너지가 크게 변동함을 보여주며, 이는 전반적 조성 기반의 성질 예측에 도전하는 강한 국소 화학 환경 의존성을 시사한다.

ABSTRACT

The exceptional properties observed in complex concentrated alloys (CCAs) arise from the interplay between crystalline order and chemical disorder at the atomic scale, complicating a unique determination of properties. In contrast to conventional alloys, CCA properties emerge as distributions due to varying local chemical environments and the specific scale of measurement. Currently there are few ways to quantitatively define, track, and compare local alloy compositions (versus a global label, i.e. equiatomic) contained in a CCA. Molecular dynamics is used here to build descriptive metrics that connect a global alloy composition to the diverse local alloy compositions that define it. A machine-learned interatomic potential for MoNbTaTi is developed and we use these metrics to investigate how property distributions change with excursions in global-local composition space. Short-range order is examined through the lens of local chemistry for the equiatomic composition, demonstrating stark changes in vacancy formation energy with local chemistry evolution.

연구 동기 및 목표

• 복합 농도 합금(CCAs)에서 국소 화학 조합의 변동성을 기술하는 통합된 방법이 부족하여 성질 예측이 어려운 문제를 해결하기 위해.
• 전반적 조성과는 다를 바 있는 원자 척도에서의 화학 이질성을 포괄하는 국소 조성에 대한 정량적 지표를 개발하기 위해.
• 국소 화학 환경과 측정 가능한 기계적 및 결함 성질(예: 흐름 결함 생성 에너지 및 탄성 계수) 간의 관계를 수립하기 위해.
• DFT 및 MD 시뮬레이션을 이용하여 전반적 및 국소 조성 공간에서 MoNbTaTi에 대한 기계학습된 원자간 위치 에너지 함수(ML-IAP)의 타당성을 검증하기 위해.
• 향후 개선된 ML-IAP 학습을 위해 국소 화학과 성질 분포의 조성에 의존하는 경향을 규명하기 위해.

제안 방법

• 각 원자 중심에서 반경 컷오프 반경 $r_{\rm cut}$ 내의 원소 농도로 국소 조성 $c_{\rm local}$을 정의하여 국소 화학 조성의 점군 표현을 가능하게 하였다.
• 새로가 학습된 기계학습된 원자간 위치 에너지 함수(SNAP 기반)를 사용한 분자 동역학(MD) 시뮬레이션을 통해 등원자성 MoNbTaTi의 국소 조성 변화를 추적하였다.
• 화학 재정렬을 유도하고 근거리 순서 효과를 탐색하기 위해 75,000단계의 하이브리드 몬테카를로/분자 동역학(MC/MD) 시뮬레이션을 적용하였다.
• 표준 공식을 사용하여 MD 시뮬레이션에서 탄성 계수 ($\mathbb{C}_{11}, \mathbb{C}_{12}, \mathbb{C}_{44}$)를 계산하고, 부피 모odulus ($B$) 및 전단 모odulus ($G$)를 유도하였다.
• 식 (11)을 사용하여 전체 격자와 원자 제거 초세포 간 에너지 차이를 통해 흐름 결함 생성 에너지 $E_{\rm vac}^{\mu}$를 계산하였다.
• 각 원자의 첫 번째 근접 이웃 셸에서의 근거리 순서를 정량화하기 위해 워렌-카울리 파라미터 $\alpha_i^{AB}$를 사용하였다(식 12).

Figure 1: Illustration of global and local composition spaces for a quaternary alloy of generic elements A B C D. a Global composition perspective. The location of a quaternary alloy’s equiatomic composition in the phase tetrahedron is shown with a star. The vertices, edges, and faces of the tetrahe

실험 결과

연구 질문

• RQ1 MoNbTaTi의 무작위 고체 용액에서 국소 화학 조성이 어떻게 변화하는가? 특히 작은 $r_{\rm cut}$에서 전반적 등원자 조성과 얼마나 다를 수 있는가?
• RQ2 등원자성 CCA에서도 흐름 결함 생성 에너지가 국소 화학 환경에 얼마나 의존하는가?
• RQ3 국소 조성에 따라 부피 및 전단 탄성 계수는 어떻게 변화하는가? 이러한 경향은 기계학습된 원자간 위치 에너지 함수에 의해 잘 포착될 수 있는가?
• RQ4 하이브리드 MC/MD 접근법은 고융점 CCAs에서 화학 재정렬을 효과적으로 샘플링하고 근거리 순서의 진화를 드러내는가?
• RQ5 국소 화학 조성과 ML-IAP 예측의 정확도 사이에는 어떤 관계가 있는가? 기계적 및 결함 성질 예측에 대해.

주요 결과

• MoNbTaTi에서 국소 조성은 공간적으로 상당한 이질성을 보이며, 특히 작은 $r_{\rm cut}$에서 전반적 등원자 조성 주변에 $c_{\rm local}$ 값의 점군이 분포한다.
• MoNbTaTi에서 각 원소의 흐름 결함 생성 에너지는 국소 화학 환경에 따라 상당히 변화하며, 이는 등원자성 합금에서도 강한 국소 화학 조성 의존성을 시사한다.
• 기계학습된 원자간 위치 에너지 함수는 DFT로 계산된 탄성 계수를 성공적으로 재현하며, 다양한 조성에서 부피 및 전단 모odulus의 경향성을 예측한다.
• 워렌-카울리 파라미터를 통해 정량화한 근거리 순서는 MC/MD 시뮬레이션 동안 상당히 변화하며, 이는 시스템 내에서 동적인 화학 재정렬이 일어남을 시사한다.
• MC/MD 단계를 거치며 잠재 에너지가 수렴함을 확인하여, 국소 화학 조성과 결함 성질을 탐색하는 데 있어 시뮬레이션 프로토콜의 안정성과 신뢰성을 확인하였다.
• 이 프레임워크를 통해 전반적-국소 조성 공간 전반에 걸친 성질 분포를 정량적으로 맵핑할 수 있었으며, 이는 CCAs에서 전반적 조성만으로는 정확한 성질 예측이 불가능함을 드러냈다.

Figure 2: a Schematic of the ML-IAP fitting process. The FitSNAP software 18 performs regression while LAMMPS is used to calculate descriptors. The resulting fit is run through a series of tests, whose errors are used to inform a single-objective genetic algorithm provided by DAKOTA. By iterating th