作品简介 - 张锦程、武逸飞(机器学习方法辅助氢脆机理研究)1
《机器学习方法在氢脆机理研究中的应用》 氢脆是金属材料在富氢环境中常见的一个问题,它会导致金属的机械性能急剧下降,甚至发生突然脆断,对金属材料的安全性和使用寿命构成了严重威胁。尤其在先进高强钢和贮氢材料的开发中,氢脆问题尤为突出。高强度钢材因其较高的缺陷密度,对氢脆更为敏感,而高压下的氢能设备对材料的耐氢性能要求更高。氢原子在金属内部通常倾向于吸附在晶界而非体晶格位置,因此晶界在氢脆过程中扮演了关键角色。 过去的氢脆研究主要集中在具体现象的观察和分析,对不同材料的普适性不足,且未能深入探究微观结构变化对材料性能的影响。张锦程和武逸飞的研究引入了机器学习方法,采用自下而上的研究策略,以晶界作为重点,试图建立定量的结构-性能关系模型,弥补了这一领域的研究空白。 在研究过程中,他们首先选取了三维晶界的多面体模型来描述晶界的结构,尤其是大角度混合晶界。这种方法能够更准确地捕捉氢原子在晶界处的行为。通过密度泛函理论(DFT)计算,他们发现氢与金属在晶界处的相互作用呈现局域特性,氢的偏聚位置主要受周围多面体单元影响。这种描述不仅揭示了氢在晶界内的偏聚机制,也为构建机器学习模型提供了基础数据。 为了识别和提取晶界处的多面体单元,研究团队开发了一种基于Voronoi图的多面体识别算法,该算法能够生成Voronoi剖分和Delaunay剖分,从而确定多面体单元。同时,他们还运用计算机视觉技术设计了多面体单元分类算法,不仅可以分类,还能计算出结构信息,如畸变程度和近邻距离。 接下来,通过分子动力学模拟,他们得到了与氢偏聚位点相关的结合能数据,并结合多面体几何信息构建了机器学习模型。其中,随机森林(RF)模型被选为算法核心,因为它能够处理高维数据,提供特征重要性排序,并且适应并行计算,适合在大规模计算平台上运行。 尽管此处未详述RF模型的全部结果和模型验证细节,但可以推断,该模型的建立有助于深入理解氢在金属晶界上的行为模式,从而为优化材料的抗氢脆性能提供理论指导。未来的研究可能将进一步扩展到更多材料系统,利用类似的机器学习方法,预测和控制不同材料的氢脆行为,为材料科学与工程带来新的突破。
- 粉丝: 36
- 资源: 316
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 护理学院2024级长春东方职业学院,2024-2025学年第1学期班级课表.xls
- c1900-universalk9-npe-mz.SPA.152-1.T1.bin
- 忍者棒球忍者棒球忍者棒球
- c1900-universalk9-npe-mz.SPA.151-2.T0a.bin
- c1900-universalk9-npe-mz.SPA.151-1.T.bin
- 微信小程序毕业设计-基于SSM的校园失物招领小程序PPT.ppt
- baidutieba_AndroidPhone_1022749t.apk
- Python100道题(100).zip
- Python100道题(100).zip
- Python100道题(100).zip
评论0