Development of fundamental technology for controlling deformability of nickel aluminide using data science

利用数据科学开发控制铝化镍变形的基础技术

• 批准号: 21K04730
• 负责人: 出村 雅彦
• 金额: $ 2.66万
• 依托单位: National Institute for Materials Science
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K04730/
• 关键词: 転位反応; 転位相互作用パラメータ; latent hardening; 金属間化合物; 積層欠陥; 機械学習ポテンシャル; データ駆動; 結晶塑性; 計算材料科学

課題（1）に関しては、初年度から引き続き、3つの単結晶圧延を元に、圧延異方性をもたらす転位反応の特定と、相互作用パラメータの同定の可能性について、検討を実施した。昨年度までに、Glissile Jucntion（GJ）が原因となる強い相互作用と考えられることを見出している。本年度は、最適化の方法を見直し、以下の点を新たに明らかにした。すなわち、GJの相互作用を他に比べて10以上にすることで、3つの単結晶圧延の結果を総合的に再現できることを確認した。この結果からGJの下限値として10という値を定量的に定めることができたと考えている。最終年度は、この結果の再現性を検証し、論文として公表することを目指す。課題（2）に関して、二元系Ni合金の積層欠陥エネルギーを高精度で求めるための機械学習モデルの検証を行った。具体的には、組成比や格子のひずみなどが異なる原子構造モデルを多数作成し、これらのモデルの第一原理計算に基づくデータから機械学習ポテンシャルを作成した。そのうえで構築した機械学習ポテンシャルを用いた二元系Ni合金の面欠陥エネルギー計算の精度評価を行った。

关于问题（1），我们从第一年开始，基于三个单晶体滚动，并继续研究识别导致各向异性和识别相互作用参数的脱位反应的可能性。到去年，我们发现神经胶质性jucntion（GJ）被认为是一种很强的相互作用。今年，我们审查了我们的优化方法，并揭示了以下几点。换句话说，可以通过使GJ相互作用超过10，可以全面地重现三个单晶滚动的结果。从这个结果，我们认为可以定量确定10值为GJ的下限。在最后一年，我们旨在验证这些结果的可重复性，并将其作为论文发布。关于任务（2），我们已经验证了机器学习模型，以高精度获得二进制NI合金中的堆叠故障能量。具体而言，创建了许多具有不同组成比和晶格失真的原子结构模型，并根据这些模型的第一原理计算创建了机器学习势。然后，使用构建的机器学习电位来评估精度，以计算二进制Ni合金的表面缺陷能。

项目成果

面欠陥と転位の電子・原子論解析に基づく強化機構の研究

基于平面缺陷和位错电子和原子分析的强化机制研究

• 发表时间: 2022
• 作者: JiYi Yang;Yoshinao Kobayashi;Masahiko Demura;上村葵，阿相英孝;譯田 真人
• 通讯作者: 譯田 真人

Computational analysis on cold-rolling anisotropy in Ni3Al single crystals

Ni3Al单晶冷轧各向异性的计算分析

• 发表时间: 2023
• 作者: JiYi Yang;Yoshinao Kobayashi;Masahiko Demura
• 通讯作者: Masahiko Demura