[논문 리뷰] Solute segregation in polycrystalline aluminum from hybrid Monte Carlo and molecular dynamics simulations with a unified neuroevolution potential

Keke Song, Jiahui Liu외 4명|arXiv (Cornell University)|2024. 04. 21.

Aluminum Alloy Microstructure Properties인용 수 5

한 줄 요약

본 논문은 GPUMD에서 통합 신경진화 포텐셜(NEP)을 이용한 효율적인 MCMD 방법을 개발하여 다결정 Al에서 15종 용질에 대한 분리 패턴과 강도에 미치는 영향을 밝히며, 강화와 취성화 메커니즘에 대한 통찰을 제공합니다.

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.

연구 동기 및 목표

• 조절된 알루미늄 합금 엔지니어링을 위한 입계 용질 분리의 가능성을 제시한다.
• Al을 포함한 16개 금속과 합금을 모델링하기 위해 통합 기계학습 포텐셜(NEP)을 적용하여 원자 수준의 통찰을 얻는다.
• NEP와 통합된 효율적인 하이브리드 몬테카를로 및 분자동역학(MCMD) 접근법을 개발하고 검증한다.
• 다결정 Al에서 15종 용질의 분리 거동을 특성화하고 기계적 결과를 평가한다.

제안 방법

• GPUMD에서 16개 금속 및 합금을 설명하기 위해 UNEP-v1 NEP를 사용한다.
• Voronoi 분할을 사용하여 면적 20 nm의 6-grain 다결정 Al 모델을 구성한다.
• 메트로폴리스 수용에 따라 종을 교환하여 N_iVT 구조에서 정준 MCMD를 수행한다.
• 교환에 의해 영향을 받는 원자에 대해서만 위치 에너지를 계산하여 효율성을 높이고, 큰 N에서도 MC를 사실상 자유롭게 유지한다.
• 정확도 검증 및 GPU 하드웨어에서의 속도향상을 보이기 위해 GPUMD MCMD와 LAMMPS를 비교한다.
• Open Visualization Tool(Ovito)를 이용한 분자동역학으로 인장 반응 및 전위 기작을 분석한다.

실험 결과

연구 질문

• RQ1 다결정 Al의 입계에서 15종 용질의 분리 거동은 어떠한가?
• RQ2 다양한 분리 용질이 다결정 Al의 인장강도와 변형 메커니즘에 어떤 영향을 미치는가?
• RQ3 용질 분리에 의한 강화 또는 취성화에 관여하는 원자 수준의 메커니즘(전위 핵생성, 입계 응집 등)은 무엇인가?
• RQ4 NEP 기반 MCMD 접근법의 정확도와 효율성은 전통 방법에 비해 어떠한가?
• RQ5 이 접근법이 Al 합금 및 다성분 재료의 설계 원칙 도출에 기여할 수 있는가?

주요 결과

• Ag, Au, Cu, Mg, Pb, Pd, 및 Pt는 다결정 Al의 입계에 완전히 분리된다.
• Ni, Ta, Mo, 및 Zr는 부분적으로 입계에 분리된다.
• Cr, V, W는 입계에서 분리되지 않으며; Ti는 결정립 내에서 BCC TiAl로 침전된다.
• Pt와 Pd의 분리로 다결정 Al의 강도가 강화되고, Pb는 강한 취성을 유발하며, Mg는 입계의 취성을 악화시킨다.
• Pb의 분리로 격자가 확장되고 입계 응집이 약화되어 균열을 촉진하며, Pt의 분리는 입계 응집을 증가시키고 균열 핵생성을 지연시킨다.
• Mg는 입계에서 전위 핵생성을 저해하고 조기 파단을 가속시키며, Pt는 더 이른 전위 활동과 소성 변형을 가능하게 한다.
• MCMD-NEP GPUMD 접근법은 물리적 결과를 보존하면서 CPU 기반 LAMMPS 대비 상당한 속도향상을 달성하여 대규모 다성분 합금 시뮬레이션을 가능하게 한다.