合金研究的重大飞跃：机器学习使扩散研究速度提高 100 倍

伊利诺伊大学香槟分校的研究人员将多组分合金中的扩散分解成他们称之为“kinosons”的独立元素，从而对其进行了重新定义。他们利用机器学习分析了这些元素的统计分布，从而能够对合金进行建模，并比计算整个轨迹更有效地确定其扩散率。他们的研究成果最近发表在《物理评论快报》上。

领导这项工作的材料科学与工程教授 Dallas Trinkle 和研究生 Soham Chattopadhyay 说道：“我们找到了一种更有效的方法来计算固体中的扩散，同时，我们了解了更多关于同一系统中扩散的基本过程。”

在这里，该团队模拟了多组分合金中的扩散，多组分合金是由五种不同元素组成的金属——本研究中的元素为锰、钴、铬、铁和镍——含量相等。这类合金很有趣，因为制造坚固材料的一种方法是将不同的元素混合在一起，比如将碳和铁混合制成钢。多组分合金具有独特的性能，例如良好的机械性能和高温稳定性，因此了解原子在这些材料中的扩散方式非常重要。

复杂系统中一系列与“转换”(线)相连的“状态”(点)。较大的点表示在模拟过程中花费更多时间的状态，较粗的线表示转换速度更快。查看具有许多跳跃的长轨迹需要大量的计算工作;机器学习模型将这个系统(左)转换为具有相同扩散行为但扩散计算要简单得多的等效系统(右)。在不相关的系统中，每次跳跃都对应一个“激子”，对扩散的贡献很小，所有激子的总和给出了扩散率。图片来源：伊利诺伊大学厄巴纳-香槟分校格兰杰工程学院

为了更好地观察扩散，需要很长的时间尺度，因为原子会随机移动，随着时间的推移，它们与起点的位移会增加。“如果有人试图模拟扩散，那会很麻烦，因为你必须运行很长时间才能获得完整的图像，”特林克尔说。“这确实限制了我们研究扩散的很多方式。计算跃迁速率的更精确的方法通常无法使用，因为你无法进行足够多的模拟步骤来获得长期轨迹并获得合理的扩散值。”

一个原子可能会跳到左边，但随后又可能会跳回右边。在这种情况下，原子并没有移动。现在，假设它跳到左边，然后又发生了 1000 件其他事情，然后它又跳回右边。这是同样的效果。特林克尔说：“我们称之为相关性，因为在某一时刻，原子进行了一次跳跃，然后又取消了那次跳跃。这就是扩散复杂的原因。当我们研究机器学习如何解决问题时，它真正做的是将问题转变为一个没有任何相关跳跃的问题。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！