机器学习方法识别金属玻璃中不同动力学原子的结构特征（英文）

作者：吴义成; 汪卫华; 管鹏飞^*; 白海洋^*

来源：Science China-Materials, 2021, 64(07): 1820-1826.

直接从无序体系的结构中预测易于发生重排的原子一直是一个挑战.本文以金属玻璃Cu50Zr50为研究对象,通过机器学习的方法成功识别出倾向于发生重排的"类液原子".另外,我们还观测到在第一壳层以内存在一个临界尺度.在临界尺度以内,"类液原子"的近邻排列更紧密;然而超过这个临界尺度,其近邻排列相对疏松.研究表明"类液原子"的各向异性度更大,这可能是"类液原子"更容易发生重排的结构起源.我们的研究表明机器学习能为理解金属玻璃本征的不均匀性提供一种非传统的方法,同时揭示了无序材料中不均匀动力学的结构起源.

• 单位
  中国科学院大学