首页|基于第一性原理和机器学习力场研究铁的bcc-hcp相变微观机理

基于第一性原理和机器学习力场研究铁的bcc-hcp相变微观机理

王芳

基于第一性原理和机器学习力场研究铁的bcc-hcp相变微观机理

王芳1
扫码查看

作者信息

  • 1. 太原理工大学
  • 折叠

摘要

铁作为自然界中较为典型的过渡金属,在高温高压下有丰富的相,并且铁是工业和结构应用中重要的金属和建模材料之一,其相变性质一直是物质科学、凝聚态物理学以及地球科学等研究领域的重大议题。铁通过施加不同的加载应力会发生应力诱导相变,了解这种相变及其动态演变对于改进材料特性和制备工艺技术,以及提高人们对地球地幔的认识必不可少。因此,铁的磁性变化与结构变化的相互关系和相变机制在理论和实验方面受到了人们的普遍重视。 由于这种相变发生的时间很短且是可逆的,受到实验检测手段及设备限制,研究的重点一直停在宏观层面上。直到近十几年,实验上通过X射线吸收精细结构(EXAFS)和原位X射线衍射(XRD)实验揭示了相变前后母相与新相之间一些明确的结构信息,但无法得出基于原子尺度上完整的相变路径,还需要结合理论计算进行研究。目前普遍认为铁的bcc-hcp相变是bcc结构会先沿[001]晶向被压缩,同时沿[(1)10]晶向伸展,导致bcc结构的(110)面变成hcp结构的(0001)密排面,并伴随着相邻(110)面相对滑移形成hcp相。虽然基于第一性原理的理论计算能给出相变的一些微观机制,但是对于相变的许多中间过渡信息无法给出,需要结合传统的分子动力学(MD)进行研究,MD对于相变的高能过渡区域的描述可能存在偏差,所以新型的机器学习算法可以解决这一问题并且可以很好的描述相变。不过,对于相变过程的认知仍然有一些问题没得到解决,比如铁的bcc-hcp相变过程中电子结构的演变及MD势函数的准确性等问题还需要深入地研究。 本文首先基于第一性原理计算,结合热力学和动力学相关分析相变的方法,研究了铁的bcc-hcp的压力诱导结构转变。之后开发了一种机器学习力场(MLFF),用于模拟铁的bcc-hcp相变。结论如下: (1)通过第一性原理计算获得了相变的相变压力、相变路径以及相变势垒,并对磁性转变和结构相变的关系进行了研究。根据能量-体积和热力学关系,计算出bcc-hcp的合理相变压力约为13.88GPa;相变过程的相变路径为(110)bcc变为(0001)hcp,并伴随着(110)bcc沿[(1)10]bcc发生滑移,形成hcp结构。本文发现bcc-hcp的过渡势垒随着压力的增加逐渐前移且对应势垒值逐渐降低,在热力学相变压力下,bcc-hcp相变势垒仍高达140meV。相变过程涉及复杂的磁转变,结构的磁性在TS附近发生磁突变。通过LASP软件中随机表面行走(SSW)方法复现了经典的相变路径。 (2)通过采用传统的MD采样方法和SSW采样方法,结合贝叶斯推断,构建了一个高效的铁的MLFF。通过使用SOAP描述符映射结构数据,本文发现MLFF在相变空间中表现出良好的覆盖率。MLFF与DFT计算相比,在能量、力和应力评估方面的误差较小。MLFF和DFT计算之间的均方根误差(RMSE)仅为4.27meV/atom,0.05eV∙Å−1和0.51GPa,表明MLFF对数据集具有良好的再现性。利用MLFF可以准确预测铁的bcc和hcp相的稳定晶体参数、弹性常数和体积模量。通过声子谱计算表明MLFF在预测高阶导数和相变过程方面表现出良好的性能。MLFF可以获得遵循Burgers路径的平滑相变过程。

关键词

铁元素/相变过程/第一性原理/机器学习力场

引用本文复制引用

授予学位

硕士

学科专业

物理学

导师

杨致/徐利春

学位年度

2024

学位授予单位

太原理工大学

语种

中文

中图分类号

TG
段落导航相关论文