在岩石盐结构TiN的热力机械操作下通过神经网络的潜在神经网络进行微结构演变

科学领域:

• 材料科学 材料科学 材料科学
• 计算材料科学科学 计算材料科学
• 纳米技术纳米技术

背景情况:

• 切削工具上的保护涂层在高温下降解,损害机械性能.
• 在温度和应力相结合的情况下,涂层失效的原子尺度机制尚不清楚.
• 模拟这些复杂的相互作用需要能够实现大型系统大小和高精度的方法.

研究的目的:

• 为化 (TiN) 系统开发一个量子精确的大规模原子模拟方法.
• 在极端热力学条件下研究TiN涂层的断裂行为.
• 为了阐明在切削工具中涂层失效背后的原子机制.

主要方法:

• 开发了一种深度神经网络 (DNN) 潜力,用于使用第一原则数据集的Ti-N二进制系统.
• 在不同温度和应力下进行大规模的TiN原子模拟.
• 与传统的实证原子间潜力 (例如,嵌入式原子方法) 进行了DNN潜力预测的比较.

主要成果:

• DNN-潜能准确地预测了TiN的晶格常数,声子和机械性质.
• 在大规模的TiN系统中成功模拟了断裂的原子演变.
• 确定了原子间脆性断裂作为TiN超过其拉伸屈服点时的故障模式.

结论:

• DNN潜能为量子精确的大规模原子模拟提供了一个强大的工具.
• 这项研究为TiN涂层在操作应力和温度下的断裂机制提供了新的见解.
• 这些发现可以为设计和理解用于极端环境的先进涂层工具提供信息.