Skip to main content
QUICK REVIEW

[论文解读] An Analysis of the Quasi-Nonlocal Quasicontinuum Approximation of the Embedded Atom Model

Xingjie Helen Li, Mitchell Luskin|arXiv (Cornell University)|Aug 21, 2010
Microstructure and mechanical properties参考文献 23被引用 10
一句话总结

本文针对具有次近邻相互作用的一维嵌入原子模型(EAM)中的拟非局部非连续元(QNL)方法进行分析。它建立了对成对势、电子密度函数和嵌入函数的条件,以确保原子模型与EAM-QNL模型之间渐近等价的晶格稳定性,并利用负范数误差估计方法,推导出连续区域中应变误差的最优O(ε³/²)收敛率。

ABSTRACT

The quasi-nonlocal quasicontinuum method (QNL) is a consistent hybrid coupling method for atomistic and continuum models. Embedded atom models are empirical many-body potentials that are widely used for FCC metals such as copper and aluminum. In this paper, we consider the QNL method for EAM potentials, and we give a stability and error analysis for a chain with next-nearest neighbor interactions. We identify conditions for the pair potential, electron density function, and embedding function so that the lattice stability of the atomistic and the EAM-QNL models are asymptotically equal.

研究动机与目标

  • 开发一种一致的非连续元方法用于嵌入原子模型(EAM),以消除均匀应变下的鬼力效应。
  • 分析具有次近邻相互作用的一维链中EAM-QNL近似的稳定性与收敛性。
  • 确定EAM势各组成部分(成对势、电子密度、嵌入函数)的条件,以确保原子模型与QNL模型之间晶格稳定性渐近等价。
  • 利用负范数估计方法,推导出连续区域中应变误差的最优收敛率。

提出的方法

  • 为嵌入原子模型(EAM)构建一维拟非局部非连续元(QNL)能量,将QNL框架扩展至多体势。
  • 采用线性化模型分析稳定性与收敛性,能量通过基于Cauchy–Born法则的一致原子区与连续区耦合方式定义。
  • 应用负范数估计技术,以界定原子模型与QNL模型之间的一致性误差,从而实现最优误差估计。
  • 通过离散傅里叶分析与基于能量的范数,推导稳定性估计,确保模型在晶格失稳附近仍保持适定性。
  • 在ℓ²₆范数下引入应变误差估计,表明收敛率取决于连续区域中应变的光滑性。
  • 通过Hessian的谱分析,建立EAM-QNL模型与全原子模型保持相同晶格稳定性的条件。

实验结果

研究问题

  • RQ1在何种条件下,成对势、电子密度函数与嵌入函数可使EAM-QNL模型的晶格稳定性渐近等价于全原子模型?
  • RQ2QNL方法在EAM势中能否在晶格失稳(如裂纹扩展)附近实现应变误差的最优收敛率?
  • RQ3原子模型与QNL模型之间的一致性误差如何随晶格间距ε变化?能否利用负范数技术进行有界估计?
  • RQ4违反所识别的稳定性条件对QNL近似精度与稳定性有何影响?

主要发现

  • 若成对势、电子密度函数与嵌入函数满足特定光滑性与曲率条件,则EAM-QNL模型的晶格稳定性渐近等价于全原子模型。
  • 原子模型与EAM-QNL模型之间的应变误差在ℓ²₆范数下以最优速率O(ε³/²)收敛,且仅依赖于连续区域中应变的光滑性。
  • 通过负范数估计方法界定了一致性误差,所得误差估计在晶格失稳(如缺陷形成)附近依然成立。
  • 若违反稳定性条件,可能导致EAM-QNL模型的稳定性低于局部非连续元(EAM-QCL)模型,表明所推导条件的必要性。
  • 在线性化EAM-QNL模型中,当满足条件ÂF + ȚF > 0时,证明了唯一解的存在性,确保了线性化系统的适定性。
  • 该分析将先前针对成对势的结果推广至EAM情形,表明QNL方法可被扩展至多体势,且保持可控的误差与稳定性。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。