Atomic-level study of dose-dependent lattice thermal conductivity degradation in irradiated tungsten
本研究结合非平衡分子动力学模拟与机器学习，揭示了空位密度是驱动钨晶格热导率呈现非线性、剂量依赖性退化的主导因素，并表现出在 0.05 at.% 的临界空位阈值处发生的阶跃式转变。
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
对清洁、无限能源的追求，常引导科学家深入恒星的核心，在那里，氢原子通过聚变释放出巨大的能量。为了在地球上实现这种聚变，工程师必须建造能够承受比太阳表面更为极端条件的反应堆。这些被称为“面向等离子体组件”的反应堆壁，正遭受着高能中子持续不断的轰击。这些中子就像微观子弹，撞击壁材中的原子并将其撞离原位。随着时间的推移，这种轰击在固体结构内部创造了一个由缺失原子和错位原子簇组成的混乱景观。为了让反应堆安全且高效地运行，这些壁材不仅必须承受物理冲击，还必须管理其吸收的剧烈热量。如果材料无法快速将热量传导至冷却系统，就有可能发生熔化或失效，从而终结反应堆的寿命。
钨是一种具有极高熔点的致密金属，已成为这些关键壁材的首选候选材料。选择它是因其具备耐热能力，且吸收聚变所用放射性燃料的倾向较低。然而，存在一个隐藏的脆弱点：随着中子破坏金属的内部结构，其导热能力开始衰减。虽然金属通常以其自由移动的电子来传导热量，但钨的独特之处在于，其刚性的原子晶格在传输热能方面也发挥着重要作用。当晶格被辐射损伤破坏时，这种基于晶格的热流就会受到严重阻碍。准确了解这种退化是如何发生的，以及材料在何时变得失效，对于设计能够运行数十年的反应堆至关重要。
在最近的一项研究中，研究人员致力于以原子精度绘制这种退化过程。他们专注于暴露在各种辐射剂量下的钨，以模拟反应堆壁在多年运行过程中可能承受的累积损伤。为此，他们结合使用了强大的计算机模拟技术和人工智能。首先，他们创建了钨晶体的数字模型，并引入缺陷以模拟中子撞击造成的损伤。他们使用了一种特定的方法来生成这些缺陷，这使得他们能够在无需模拟每一次碰撞事件（这在计算上过于昂贵）的情况下，达到极高的损伤水平。随后，他们使这些受损模型承受热流，通过观察材料各处的温度变化来测量其热导率。
该团队在两个不同的尺度上运行了这些模拟。他们构建了包含25万个原子的较小模型，以测试广泛的损伤水平，并将模拟推向极端剂量。他们还构建了包含200万个原子的更大模型，以确保结果不会受到模拟盒尺寸本身的影响。通过分析这些模型中的温度梯度，他们计算了热量在受损金属中的传递效率。结果显示，损伤量与热传导能力损失之间存在明显的非线性关系。随着缺陷密度的增加，热导率急剧下降，但并非呈简单的直线下降。
为了理解这些复杂的数据，研究人员采用了机器学习——一种能够发现人类可能忽略的海量数据中模式的人工智能形式。他们训练这些模型，根据特定类型和数量的缺陷（例如原子缺失的空位，以及挤在不该存在的空间里的原子簇）来预测热导率。分析表明，空位的浓度是控制材料承载热量能力的最重要因素。虽然其他缺陷也起到了作用，但原子网格中的空隙成为了阻碍热量携带振动在金属中移动的主要障碍。
或许最令人震惊的发现是临界阈值的存在。模拟显示，随着空位浓度的上升，热导率迅速骤降，直到达到一个特定点：空位浓度为0.05%。超过这个点后，材料进入了饱和状态。即使研究人员增加更多的缺陷，热导率也不会进一步大幅下降；它达到了一个底线，即材料保留了其原始热传导能力的约70%。这表明，一旦原子晶格受到足够的破坏，热流路径就会被彻底阻断，导致增加更多损伤带来的收益递减。材料实际上已经达到了其退化的极限。
这一发现为聚变反应堆的设计提供了一个关键的拼图碎片。它表明，钨在热性能受到永久性损害之前，能够承受辐射损伤的程度是有可预测的极限的。研究证实，虽然材料不会完全失效，但其散热能力会显著降低并稳定在一个较低的水平。通过识别触发这种饱和的特定缺陷密度，工程师可以更好地估算反应组件的寿命，并在材料成为安全风险之前规划维护或更换。这项研究表明，通过将详细的原子模拟与先进的数据分析相结合，科学家可以揭示在未来聚变电站极端条件下材料行为的隐藏规律。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。