[论文解读] Short-range order in high entropy alloys:Theoretical formulation and application to Mo-Nb-Ta-V-W system
本研究基于团簇展开和第一性原理计算,建立了一个理论框架,用于模拟难熔高熵合金Mo-Nb-Ta-V-W中的短程化学有序行为。研究预测,Mo-Ta对和V-W对分别由于有利的B2和B32型有序结构而表现出强烈的化学短程有序(SRO),SRO参数揭示了超越成对相互作用的相稳定性趋势。
In high-entropy alloys (HEAs), the local chemical fluctuations from disordered solute solution state into segregation, precipitation and ordering configurations are complex due to the large number of elements. In this work, the cluster expansion (CE) Hamiltonian for multi-component alloy systems is developed in order to investigate the dependence of chemical ordering of HEAs as a function of temperature dependence due to derivation of configuration entropy from the ideal solute solution. Analytic expressions for Warren-Cowley short-range order (SRO) parameters are derived for a five component alloy system. The theoretical formulation is used to investigate the evolution of the ten different SRO parameters in the MoNbTaVW and the sub-quaternary systems obtained by MonteCarlo simulations within the combined CE and first-principles formalism.
研究动机与目标
- 开发五元高熵合金中Warren-Cowley短程有序(SRO)参数的理论公式。
- 利用蒙特卡罗模拟研究Mo-Nb-Ta-V-W及其亚四元体系中温度依赖的化学有序行为。
- 确定构型熵和混合焓在驱动局部化学偏析和有序化中的作用。
- 通过SRO参数分析评估B2和B32型有序相在高熵合金中的稳定性。
- 提供一种超越最近邻近似方法的复杂多组分合金中局部原子结构的预测模型。
提出的方法
- 基于统计力学和理想溶液近似,推导五元体系中Warren-Cowley SRO参数的解析表达式。
- 应用团簇展开(CE)哈密顿量,以建模多组分合金中焓和熵对自由能的贡献。
- 将第一性原理计算与蒙特卡罗模拟相结合,以采样原子构型并计算SRO参数。
- 采用热力学积分方法,计算无序相(A2)与有序相(B2)之间的自由能差。
- 在SRO分析中同时包含第一和第二近邻壳层,以捕捉长程有序效应。
- 将SRO趋势与二元混合焓及已知的基态结构(如V-W体系中的B32相)进行比较。
实验结果
研究问题
- RQ1在Mo-Nb-Ta-V-W高熵合金体系中,SRO参数如何随温度演化?
- RQ2混合焓和构型熵在多组分高熵合金中驱动局部化学有序化的角色是什么?
- RQ3哪些元素对表现出最强的短程有序?它们倾向于形成何种结构相?
- RQ4第二近邻相互作用如何影响体心立方高熵合金中B2型有序相的稳定性?
- RQ5为何V-W对表现出强烈的负SRO,尽管其二元混合焓不如Mo-Ta对有利?
主要发现
- 在第一近邻壳层中,Mo-Ta对的化学SRO最强,这与B2结构中较高的负混合焓一致。
- 第二近邻壳层对Mo-Ta对的B2相形成具有正贡献,表明存在长程有序趋势。
- V-W对的平均SRO参数显著为负,其数值大小与Mo-Ta对相当,表明其倾向于形成B32型有序。
- 在五元体系中,V-W对的B32相在低于100 K时稳定;在四元体系中,低于200 K时稳定。
- 在较高温度下,V-W对的第一和第二近邻SRO参数均变为负值,表明其局部环境类似于B32基态。
- Mo-W、Nb-Ta、Nb-V和Ta-V对的SRO参数为正,表明存在相分离趋势,这种现象无法仅通过二元混合焓解释,必须借助超越成对近似的团簇展开方法。
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。