大数跨境
0
0

DP还能干这个?利用深度学习势揭示超导材料抗辐照损伤与沿晶断裂的奥秘

DP还能干这个?利用深度学习势揭示超导材料抗辐照损伤与沿晶断裂的奥秘 深度势能
2025-07-09
0

图片


超导金属铌(Niobium, Nb)凭借其优异的超导性能、耐腐蚀性和高熔点,在超导射频腔、核聚变反应堆等前沿科技领域中扮演着不可或缺的角色 。然而,在这些极端服役环境下,铌不可避免地会遭遇高能粒子辐照和微观裂纹扩展的挑战,这会严重损害其性能,甚至导致灾难性失效 。因此,如何抑制辐照损伤和抗裂纹扩展,是确保相关设备安全稳定运行的关键。


近日,兰州大学雍华东教授、张亚君副教授课题组在国际知名期刊Materials & Design上发表了题为 “Suppression of irradiation defects and crack propagation in niobium via grain boundary engineering: A deep potential molecular dynamics study” 的研究论文。该研究利用深度学习势(Deep Potential, DP),系统地揭示了通过“晶界工程”来提升超导材料铌辐照抗性和断裂韧性的内在机制,为设计高可靠性的多晶铌材料提供了坚实的理论基础 。



研究背景


材料在辐照环境下,会产生大量的点缺陷(空位和间隙原子),这些缺陷的不断累积导致材料性能恶化。理论上,材料内部的晶界(Grain Boundary, GB)可以作为“缺陷吸收汇”,有效捕获并湮灭这些缺陷。然而,晶界的种类繁多,结构各异,它们吸收缺陷的能力也千差万别。究竟哪种晶界“治愈”效果最好?这是一个亟待回答的问题。为解决这一瓶颈,本研究开发并应用了一种能够兼顾精度和效率的高精度DP势函数,图1为此模型对于一些缺陷结构的预测,与DFT结果有着高度的吻合。


图1. 对于偏离平衡态测试集DP与DFT预测出的能量和力的对比


高精度DP模型:解锁大规模精确模拟的钥匙


构建的DP模型经过了专门的优化,并结合了ZBL(Ziegler-Biersack-Littmark)势来精确描述原子在高能碰撞瞬间的相互作用 。如表1所示,该模型不仅能准确再现实验和DFT计算的晶格常数、弹性常数等基本物性,还能精准预测点缺陷形成能、层错能和晶界能等对我们研究至关重要的性质,其综合性能显著优于传统的EAM和MEAM势函数 。这把“钥匙”让我们得以在更大的时空尺度上,以前所未有的精度探索铌材料的内部奥秘。


表1 .DFT方法、MD结合机器学习势及MD结合经验势计算的Nb基本材料性质与实验的对比。


图2. DP-ZBL 模型模拟得到的不同类型双晶模型辐照后的残余缺陷数量


在图2中系统对比了不同类型的晶界在抑制辐照缺陷方面的表现。通过模拟10 keV能量的粒子轰击过程,相比于完美的单晶块体材料,所有包含晶界(对称倾斜晶界STGB、非对称倾斜晶界ATGB、扭转晶界TWGB)的模型都表现出更强的辐照抗性。这证明了晶界工程的普遍有效性。


优中选优:在各类晶界中,STGB Σ3{112}ATGB Σ11{225}/{441} 和 TWGB Σ3{111} 这三种晶界表现尤为突出,它们能最大程度地吸收和湮灭辐照产生的缺陷 。


抑制裂纹扩展:晶界如何提升材料韧性?


辐照不仅产生点缺陷,还会使材料变脆,更容易开裂。我们的研究进一步揭示了晶界在抵抗裂纹扩展中的关键作用。


辐照的负面效应:无论是否存在晶界,辐照都会降低铌材料的强度,这是辐照损伤的普遍后果 。


晶界的正面作用:相比于单晶材料,含有特定晶界的模型(尤其是ATGB和TWGB)在断裂前能够承受更大的变形,表现出更高的强度和断裂韧性 。


扭转晶界(TWGB)的优异表现:我们发现,含有 TWGB Σ3{111} 晶界的模型,无论在辐照前后,都展现出最优的综合力学性能,在增强材料强度和韧性方面扮演了至关重要的角色。它通过促进裂纹尖端的位错发射来耗散能量,从而有效阻止裂纹的致命推进。


图3(d). TWGB模型在辐照和非辐照条件下不同应变状态下内部缺陷和裂纹尖端的分布。


结论与展望


本研究借助高精度的深度学习势函数,系统地阐明了晶界工程和应变工程在抑制超导铌辐照损伤和裂纹扩展中的作用机制。我们筛选出了几种在提升材料辐照抗性和断裂韧性方面具有优异表现的特定晶界类型,尤其是扭转晶界TWGB Σ3{111}。这些发现不仅加深了我们对超导铌损伤行为的理解,也为未来设计和制造用于超导和核能等极端环境下的高性能、高可靠性铌材料提供了重要的理论指导和设计思路。本研究得到国家自然科学基金的资助,相关计算工作依托兰州大学超算中心完成。


文章链接: 

https://doi.org/10.1016/j.matdes.2025.114292



图片

【声明】内容源于网络
0
0
深度势能
DeepModeling社区以开源社区的方式聚集着一群积极探索机器学习与物理建模结合的新的科学研究范式,并真正希望通过计算模拟突破科学边界、解决实际问题的人们​。
内容 177
粉丝 0
深度势能 DeepModeling社区以开源社区的方式聚集着一群积极探索机器学习与物理建模结合的新的科学研究范式,并真正希望通过计算模拟突破科学边界、解决实际问题的人们​。
总阅读18
粉丝0
内容177