🔬 materials science

Machine learning interatomic potentials for solid-state precipitation

本文引入了新型误差度量和数据生成方案，以简化机器学习原子间势函数的参数化过程，并成功将其应用于模拟镁-钕合金中复杂的固态析出过程，揭示了老化过程中有序-无序转变与结构转变之间的竞争关系。

原作者： Lorenzo Piersante, Anirudh Raju Natarajan

发布于 2026-09-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Lorenzo Piersante, Anirudh Raju Natarajan

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

金属很少以纯净的形式被使用；它们通常与其他元素混合，以创造出更强韧、更轻盈或更耐热的合金。强化这些材料最有力的方法之一是通过一种被称为沉淀硬化的过程。想象一下，金属是一个宏大且有序的原子城市。当金属被加热然后冷却时，不同原子的微小集群可以在这个城市中形成，就像平静海洋中出现的微小而密集的岛屿。这些岛屿充当了在金属受压时移动的缺陷的路障，有效地阻止了材料的弯曲或断裂。为了设计更好的合金，工程师需要准确了解这些岛屿是如何形成的、它们呈现什么形状以及它们如何随时间生长。然而，要在现实生活中观察这些原子事件的发生几乎是不可能的，因为它们发生得太快，且规模太小，甚至连最强大的显微镜也无法直接捕捉。

几十年来，科学家们一直依赖计算机模拟来窥视这个不可见的世界。最精确的模拟使用一种计算原子中每一个电子行为的方法，但这种方法在计算上极其昂贵，只能对几百个原子进行瞬间的模型构建。为了研究沉淀物的形成（这涉及数千个原子和较长的时间跨度），研究人员需要一种捷径。他们使用机器学习模型，从精确的电子计算中学习原子相互作用的规则，然后将这些规则应用于更大的系统。挑战在于，如何教会这些模型不仅能正确预测单个原子的能量，还能预测原子重新排列成新晶体结构的复杂、多阶段的“舞蹈”。如果模型对能量景观的预测哪怕出现微小的偏差，它也可能预测出一个在现实中并不存在的沉淀物，或者预测出一个从未存在的形状。

在最近的一项研究中，洛桑联邦理工学院的研究人员解决了一个问题，他们为一种含有少量钕的特定镁合金创建了一个高度精确的新型计算机模型。这种合金是航空航天和汽车工业中所使用的轻质材料的原型，在这些领域，强度至关重要。该团队开发了一种复杂的策略来训练他们的机器学习模型，以确保它能够捕捉到决定原子保持混合状态还是分离成不同相态的微妙能量差异。他们并没有只是向计算机输入随机数据，而是设计了一个系统，专门寻找原子在从一种晶体结构转变为另一种晶体结构时所经历的路径。他们专注于金属内部结构从六方排列转变为立方排列时的特定旅程，这一转变是该合金强化的核心。

研究人员发现，他们的新模型可以成功地重现现实实验中观察到的复杂的早期沉淀阶段。模型显示，这些强化岛屿的形成是两种不同类型变化之间的竞争：一种是原子仅在现有结构内重新排列其顺序，另一种是整个结构转变为新的形状。模拟表明，向新的、更强的立方结构的转变没有显著的能量障碍，这表明这些新相可以非常容易且连续地在金属老化过程中形成。这一发现有助于解释为什么该合金能如此有效地产生强度，因为原子可以平滑地流动到最稳定的构型，而不会卡在中间的、不太稳定的状态中。

为了确保模型的可靠性，团队发明了超越标准误差测量的新方法来检查其准确性。他们创建了一个评分系统，专门测试模型是否能正确排列不同原子排列的稳定性，优先考虑自然界中实际存在的低能态。这种方法使他们能够对模型进行微调，直到它能正确预测材料的基态，从而避免了计算机模型意外偏向错误晶体结构的常见陷阱。结果证实，该模型可以准确预测各种缺陷的能量以及连接原子的作用力，提供了一个物理合金可靠的数字孪生体。

研究结论指出，这种训练机器学习模型的新方法为理解和设计先进材料提供了强大的工具。通过结合广泛且多样化的训练数据以及这些专门的验证指标，研究人员能够创建一个能够很好地泛化到其从未见过的场景（如不同晶相之间的界面）中的势函数。他们的工作表明，六方结构与立方结构之间的连续转变是该合金行为的一个关键特征，这是一个可能被精度较低的模型所忽略的细节。这种程度的细节为理解沉淀硬化在原子水平上是如何运作的提供了更清晰的图景，为工程师通过控制这些原子岛屿形成和生长的精确条件来设计更强、更轻的合金提供了路线图。

技术摘要：用于固态析出的机器学习原子间势函数

问题陈述
机器学习原子间势函数（MLIP）正越来越多地用于模拟原子尺度现象，然而，通过参数化使其能够准确捕捉固态相变（特别是多组分合金中的析出行为）仍然具有挑战性。析出过程通常涉及复杂的有序-无序转变和结构转变（例如 hcp 到 bcc），这要求势函数不仅要能够重现基态热力学，还要能够捕捉亚稳相、能垒以及缺陷能量学。标准的误差指标（如 RMSE、MAE）往往无法检测到关键的失效，例如相稳定性排序的错误或转变路径的失效，从而导致生成的势函数可能产生错误的基态或遗漏无能垒的转变机制。具体而言，在稀薄 Mg-Nd 合金中，析出序列涉及 Guinier-Preston (GP) 区、 $\beta''$ 、 $\beta'$ 、 $\beta_1$ 以及平衡相，其中 $\beta_1$ 相通过 Burgers 机制（hcp $\to$ bcc）形成。现有的势函数，例如改进的嵌入原子模型（MEAM），已被证明会产生与密度泛函理论（DFT）或实验不一致的 0 K 基态，这限制了其在研究成核机制方面的应用价值。

方法论
作者提出了一种基于原子簇展开（ACE）框架为 Mg-Nd 二元合金进行 MLIP 参数化的综合策略。该方法整合了系统的资料生成、主动学习以及专门针对析出物理学设计的创新验证指标。

数据生成与主动学习：
- 训练集构建： 数据集涵盖了多样化的结构和化学环境，包括金属间化合物原型、体积畸变、面缺陷（堆垛层错、晶界）、液体结构以及溶质-缺陷相互作用。
- 对称性不同的路径： 一种自定义算法枚举了连接不同母体晶格上化学装饰的对称性不同的转变路径（例如 hcp 到 bcc）。这解决了由化学有序化引入的复杂性，因为化学有序化破坏了母体对称性，使得在纯元素中等效的路径在有序合金中变得不等效。
- 迭代优化： 采用了主动学习循环。一个初步势函数弛豫了约 50 万个对称性不同的有序构型。识别出位于凸包（或新基态）10 meV/atom 以内的构型，并使用 DFT 对其进行重新评估，将其添加到训练集中，直到收敛。
创新验证指标：
- 加权 Kendall- $\tau$ ( $\tau_w$ )： 为了评估相稳定性，作者引入了加权 Kendall- $\tau$ 系数。与全局误差指标不同， $\tau_w$ 量化了 DFT 与 MLIP 之间能量谱排序的相似性。权重函数优先考虑低能多晶型，确保势函数能够正确预测基态和接近凸包的亚稳相。
- 半巨正则系综泛化： 对于多组分系统， $\tau_w$ 被计算为交换化学势 ( $\tilde{\mu}$ ) 的函数。这种“半巨正则 $\tau_w$ ”评估了势函数在整个成分范围内预测相稳定性和共存化学势的能力。
- 转变路径分类： 结构相变被分类为六种定性的能量剖面类别（例如无能垒、有能垒、中间态）。通过混淆矩阵将 MLIP 预测与 DFT 分类进行对比，以确保在转变景观方面实现定性一致，而不仅仅是定量能量匹配。
势函数参数化：
- 使用 pacemaker 代码对 Mg-Nd 势函数进行训练，并采用 L1/L2 正则化。特别注意了对凸包附近结构以及 Nd 组分在 0 到 0.25 之间的结构的权重分配。

主要结果

热力学准确性： 所得 MLink MLIP 成功重现了 Mg-Nd 系统的低温热力学特性。 $\tau_w$ 分析证实，该势函数能够正确识别 Nd 的 dhcp 基态以及在 $x_{Nd} \approx 0.25$ 以下的 Mg-Nd 稳定相。虽然在 $x_{Nd} = 1/3$ 处出现了一个伪基态（限制了其在高 Nd 浓度下的适用性），但该势函数对于与析出相关的稀薄合金保持准确。
结构与机械性质： 该势函数准确预测了各种相（ $\beta'$ 、 $\beta''$ 、 $\beta_1$ 、 $\beta_e$ ）的晶格参数、弹性常数和体积模量，并与 DFT 值在表面能和堆垛层错能方面相匹配。
转变景观： MLIP 忠实地重现了 Burgers 转变（hcp $\to$ bcc）的能量景观。混淆矩阵表明，在分类转变路径方面具有高度一致性，尽管由于在验证误差范围内的微小能量差异（ $\sim$ 4.5 meV/atom），在有能垒路径（类别 3–4）中存在一些误判。
缺陷能量学： 该势函数能够较为准确地捕捉 Nd-空位相互作用以及与堆垛层错和晶界的结合能，尽管 hcp 基体中的 Nd-空位结合能表现出轻微偏差（排斥 vs 吸引），这在进行动力学参数计算时需保持谨慎。
析出模拟： 使用该 MLIP 进行的大规模原子模拟显示：
- 成核机制： $\beta_1$ 析出的形成产生了最大的能量降低，其次是 $\beta'$ 。
- 竞争关系： 早期时效显示了有序-无序转变（形成 $\beta'$ 、GP 区）与结构转变之间的竞争。
- 连续转变： 模拟表明，在老化过程中，高对称性 hcp 与 bcc 结构之间存在连续转变，其中 $\beta_1$ 析出中的原子在生长过程中，从理想 hcp 位置逐渐向 bcc 配位弛豫。
- 无能垒成核： 在 0 K 下，巨大的热力学驱动力导致观察到的析出物呈现无能垒成核。

意义与主张
本文声称提供了一个专门用于参数化处理固态析出和结构相变的 MLIP 通用框架。其主要贡献在于开发了定制化的误差指标（加权 Kendall- $\tau$ 及其半巨正则扩展）和数据生成方案（对称性不同的路径枚举），这些方法超越了标准的统计误差。这些工具使研究人员能够严格验证 MLIP 是否捕捉到了正确的热力学层级和转变机制，而这对于模拟成核至关重要。

作者证明，该方法能够创建出对于未包含在训练集中的结构和界面具有良好泛化能力的 Mg-Nd MLIP。所得势函数成功重现了实验中观察到的复杂多阶段析出行为，包括不同析出形态之间的竞争以及从 hcp 到 bcc 的连续结构演变。作者得出结论，这些方法论适用于其他工程合金系统，如 Al、Ti 和高熵合金，为实现可靠的析出强化原子尺度建模提供了一条稳健的路径。

类似论文