原子包装効果の機械学習ベースの調査:金属間複雑性の極限にある化学的圧力

科学分野:

• 材料科学
• コンピュータ化学
• 固体物理学

背景:

• インターメタリック・フェーズは,未知の力によって引き起こされる複雑な原子の配置を示し,新しい材料の設計を妨げます.
• 密度関数理論 (DFT) - 化学圧力 (CP) 分析は,原子パッキングの緊張を視覚化しますが,計算的に集中しています.

研究 の 目的:

• 化学圧力 (CP) アプローチの機械学習 (ML) ベースの実装を開発する.
• 金属間複雑性を分析するための伝統的な DFT-CP 方法の計算上の制限を克服する.

主な方法:

• インターメタリック・リアクティビティ・データベースの DFT-CP データで訓練された ML-CP モデルを開発した.
• 様々な金属間システムのDFT-CPと比較してML-CPアプローチを検証した.
• Mg2Al3の複雑な構造を分析するためにML-CPを適用した.

主要な成果:

• ML-CPモデルは,DFT-CPの結果を正確に再現し,計算コストを大幅に削減します.
• Mg2Al3の分析により,その複雑な構造は,フランク・カスパー多面体の単純な組立規則から生じていることが明らかになった.
• ML-CPモデルは,Webインターフェイスまたはコマンドラインツールで容易に展開できます.

結論:

• ML-CPアプローチは,インターメタルの複雑性を探求するための効率的でアクセシブルなツールを提供します.
• この方法は,金属間形成の原動力の理解を容易にし,新しい材料の設計に役立ちます.
• ML-CPモデルは,幅広い金属間システムを調査するための新しい道を開きます.