机器学习原子运动揭示金属玻璃塑性起源:从热塑性到超声塑性（英文）

作者：刘晓俤; 赫全锋; 卢文飞; 周子清; 田锦森; 梁丹丹; 马将; 杨勇; 沈军^*

来源：Science China-Materials, 2022, 65(07): 1952-1962.

• metallic glass
• plasticity
• machine learning
• molecular dynamics simulation

金属玻璃具有无序的原子排列,但其结构与动力学并非各处均匀.许多研究证实金属玻璃的结构与动态不均匀性对于其塑性机制至关重要.金属玻璃的"缺陷"被视为结构上疏松排布、动力学上积极响应外界刺激的区域.但迄今仍未建立明确的结构-性能关系来甄别金属玻璃中的类液缺陷.本文中,我们基于模拟原子运动轨迹并结合机器学习提出了一种不依赖于静态结构特征的缺陷.利用k近邻机器学习模型分析并预测了不同温度下的原子运动行为,建立了温度类标签-原子运动特征映射关系.应用这个"机器学习温度"参数理解金属玻璃在应力下的塑性流,识别类液区原子.类液区的演化揭示了金属玻璃塑性的动态起源(包括热塑性和超声塑性),展示了应力诱发的非均匀性和原子局域环境的关联,为热塑性成型和超声加工提供了新见解.

• 单位
  同济大学