[论文解读] 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 5

一句话总结

本论文在 GPUMD 中利用统一的神经进化势（NEP）开发了一种高效的 MCMD 方法，用于研究多晶铝中的 15 种溶质，揭示了分偏析模式及其对强度的影响，并提供强化与脆化机制的见解。

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.

研究动机与目标

• 以晶界溶质偏析作为设计铝合金的一种途径的动机。
• 应用统一的机器学习势（NEP）来建模16种金属及其合金（包括铝），以获得原子尺度洞见。
• 开发并验证一种与 NEP 集成的高效混合蒙特卡洛与分子动力学（MCMD）方法。
• 表征多晶铝中15种溶质的偏析行为并评估其对力学性能的影响。

提出的方法

• 使用 UNEP-v1 NEP 在 GPUMD 中描述16种金属及其合金。
• 使用 Voronoi 划分构建一个6晶粒、边长20 nm的多晶铝模型。
• 以 Metropolis 接受准则对物种进行互换，在正则 N_iVT 系综下进行 MCMD。
• 通过仅对受互换影响的原子计算位能来提升效率，从而使大 N 下的 MC 几乎近似无成本。
• 将 GPUMD MCMD 与 LAMMPS 进行比较以验证准确性并在 GPU 硬件上展示加速。
• 通过 Open Visualization Tool（Ovito）对拉伸响应和位错机制进行分子动力学分析。

实验结果

研究问题

• RQ1 多晶铝在晶界处15种溶质的偏析行为是什么？
• RQ2 不同的偏析溶质如何影响多晶铝的拉伸强度和变形机制？
• RQ3 哪些原子尺度机制（位错成核、晶界粘结性）主导因偏析导致的强化或脆化？
• RQ4 与传统方法相比，基于NEP的MCMD 方法在准确性和效率方面的表现如何？
• RQ5 该方法能否为铝合金和多组分材料的设计原则提供指引？

主要发现

• Ag、Au、Cu、Mg、Pb、Pd、Pt 完全在多晶铝的晶界处偏析。
• Ni、Ta、Mo、Zr 部分偏析到晶界。
• Cr、V、W 在晶界不发生偏析；Ti在晶粒内以BCC TiAl形式析出。
• Pt 与 Pd 的偏析增强多晶铝；Pb 引起强烈脆化；Mg 使晶界脆化。
• Pb 偏析会扩展晶格并削弱晶界粘结力，促进开裂；Pt 偏析提高晶界粘结性并推迟裂纹萌生。
• Mg 在晶界处抑制位错成核并加速早期断裂，而 Pt 则促使更早的位错活动与塑性变形。
• MCMD-NEP GPUMD 方法在保持物理结果的同时相对于基于 CPU 的 LAMMPS 获得显著加速，使大规模多组分合金模拟成为可能。