伊利諾伊大學香檳分校的研究人員將多組分合金中的擴散分解成他們稱之為“kinosons”的獨立元素，從而對其進行了重新定義。他們利用機器學習分析了這些元素的統(tǒng)計分布，從而能夠對合金進行建模，并比計算整個軌跡更有效地確定其擴散率。他們的研究成果最近發(fā)表在《物理評論快報》上。
領導這項工作的材料科學與工程教授 Dallas Trinkle 和研究生 Soham Chattopadhyay 說道：“我們找到了一種更有效的方法來計算固體中的擴散，同時，我們了解了更多關于同一系統(tǒng)中擴散的基本過程。”
在這里，該團隊模擬了多組分合金中的擴散，多組分合金是由五種不同元素組成的金屬——本研究中的元素為錳、鈷、鉻、鐵和鎳——含量相等。這類合金很有趣，因為制造堅固材料的一種方法是將不同的元素混合在一起，比如將碳和鐵混合制成鋼。多組分合金具有獨特的性能，例如良好的機械性能和高溫穩(wěn)定性，因此了解原子在這些材料中的擴散方式非常重要。
復雜系統(tǒng)中一系列與“轉換”(線)相連的“狀態(tài)”(點)。較大的點表示在模擬過程中花費更多時間的狀態(tài)，較粗的線表示轉換速度更快。查看具有許多跳躍的長軌跡需要大量的計算工作;機器學習模型將這個系統(tǒng)(左)轉換為具有相同擴散行為但擴散計算要簡單得多的等效系統(tǒng)(右)。在不相關的系統(tǒng)中，每次跳躍都對應一個“激子”，對擴散的貢獻很小，所有激子的總和給出了擴散率。圖片來源：伊利諾伊大學厄巴納-香檳分校格蘭杰工程學院
為了更好地觀察擴散，需要很長的時間尺度，因為原子會隨機移動，隨著時間的推移，它們與起點的位移會增加。“如果有人試圖模擬擴散，那會很麻煩，因為你必須運行很長時間才能獲得完整的圖像，”特林克爾說。“這確實限制了我們研究擴散的很多方式。計算躍遷速率的更精確的方法通常無法使用，因為你無法進行足夠多的模擬步驟來獲得長期軌跡并獲得合理的擴散值。”
一個原子可能會跳到左邊，但隨后又可能會跳回右邊。在這種情況下，原子并沒有移動?，F(xiàn)在，假設它跳到左邊，然后又發(fā)生了 1000 件其他事情，然后它又跳回右邊。這是同樣的效果。特林克爾說：“我們稱之為相關性，因為在某一時刻，原子進行了一次跳躍，然后又取消了那次跳躍。這就是擴散復雜的原因。當我們研究機器學習如何解決問題時，它真正做的是將問題轉變?yōu)橐粋€沒有任何相關跳躍的問題。”
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！