化学短距离原子排序的机器学习支持的断层成像
Yue Li1, Timoteo Colnaghi2, Yilun Gong1,3
1Max-Planck-Institut für Eisenforschung GmbH, Max-Planck-Straße 1, 40237, Düsseldorf, Germany.
Advanced materials (Deerfield Beach, Fla.)
|August 13, 2024
概括
机器学习增强的原子探针断层扫描揭示了CoCrNi合金中的化学短程顺序 (CSRO). 这种定量分析将CSRO与材料特性联系起来,有助于先进的材料设计.
科学领域:
- 材料科学 材料科学 材料科学
- 固态化学 固态化学
- 计算材料科学科学 计算材料科学
背景情况:
- 化学短程秩序 (CSRO) 涉及固体中的原子自我组织,影响材料特性.
- CSRO形态学,原子配置和材料特性之间的定量联系尚未得到充分确立.
- 控制CSRO是定制先进材料机械和功能特性的一个关键策略.
研究的目的:
- 使用先进的特征化技术,对CoCrNi中等合金中的CSRO进行定量分析.
- 建立处理参数,CSRO特征和由此产生的材料特性之间的关系.
- 为了证明机器学习增强的原子探头断层扫描在CSRO调查中的实用性.
主要方法:
- 机器学习增强的原子探头断层扫描 (APT) 用于3D元素和结构分析.
- 蒙特卡洛模拟以支持对CSRO形成机制的理解.
- 对CSRO域形态,数量密度和原子配置进行定量分析.
主要成果:
- 在CoCrNi合金中确定了多种CSRO配置,并进行了定量表征.
- 观察到的CSRO配置的形成得到了蒙特卡洛模拟的证实.
- 通过CSRO分析,建立了加工参数和材料特性之间的定量关系.
结论:
- 机器学习增强的APT为CSRO提供了前所未有的3D定量洞察力.
- 了解和控制CSRO对于设计高性能材料至关重要.
- 这项工作通过操纵原子级架构来完善材料设计的策略.
