返回
Predicting hydrogen diffusion in nickel–manganese random alloys using machine learning interatomic potentials
DOI:10.1038/s43246-025-00924-x.png)
摘要
En 中文
为推进碳中和,高压氢环境下的结构材料必须基于基本原理进行设计。然而,随机合金的原子尺度复杂性阻碍了能够准确再现受合金元素影响的氢行为的原子间势的开发。本研究通过结合原子力不确定性和多样化原子环境的结构描述符,采用主动学习策略高效采样训练数据,为Ni–Mn–H三元系开发了一种机器学习原子间势(MLIP)。采用构建的MLIP进行分子动力学模拟定量再现了实验观测到的氢扩散系数随Mn含量的非单调依赖关系。发现了两种竞争性的Mn添加效应:来自排斥性Mn–H相互作用和晶格膨胀的分别增加和降低的活化能,其平衡随Mn含量变化并主导扩散行为。该方法能够准确预测随机合金中的氢扩散,并提供合金化效应的原子级见解。高氢环境(如在能源应用中)可能导致高性能合金的脆化,因此预测氢行为至关重要。本文报道了一种用于Ni-X-H三元系的机器学习原子间势,并用于预测随机合金中的氢扩散。
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
9.6
论文数:
1.4K
被引数:
4.3K
机构
引用论文
Ab initio simulations on the pure Cr lattice stability at 0K: Verification with the Fe-Cr and Ni-Cr binary systems
Calphad
IF0
Extraction of reversible hydrogen trapped on prior austenite grain boundaries and promoting intergranular fracture in the elastic region of tempered martensitic steel by utilizing frozen-in hydrogen distribution at-196 °C
ACTA MATERIALIA
IF9.3
Effect of nickel equivalent on hydrogen gas embrittlement of austenitic stainless steels based on type 316 at low temperatures镍当量对基于316型低温奥氏体不锈钢氢气脆化的影响
ACTA MATERIALIA
IF9.3
Challenges associated with hydrogen storage systems due to the hydrogen embrittlement of high strength steels由于高强度钢的氢脆,与储氢系统相关的挑战
Hydrogen diffusivity and tensile-ductility loss of solution-treated austenitic stainless steels with external and internal hydrogen具有外部和内部氢的固溶处理的奥氏体不锈钢的氢扩散率和拉伸延展性损失

