Колумнисты

Изучен процесс плавления высокоэнтропийных карбонитридов с помощью нейросетей

Температура плавления — одно из наиболее важных свойств материала, которое определяет потенциал его применения в различных областях промышленности. Экспериментальное измерение температуры плавления сложно и требует больших затрат, в то время как вычислительные методы помогут добиться не менее точного результата быстрее и проще. Ученые из Сколтеха провели исследование, в котором рассчитали максимальную температуру плавления высокоэнтропийного карбонитрида — соединения титана, циркония, тантала, гафния и ниобия с углеродом и азотом.

Результаты работы, опубликованной в журнале Scientific Reports, показывают, что высокоэнтропийные карбонитриды могут применяться в качестве перспективных материалов для защитных покрытий оборудования, работающего в экстремальных условиях — при высокой температуре, термическом ударе и химической коррозии.

«В новом исследовании мы использовали потенциалы межатомного взаимодействия на основе глубоких нейронных сетей для моделирования структуры высокоэнтропийного карбонитрида y (TiZrTaHfNb)CxN1−x как в твердом, так и в жидком состояниях. Это позволило нам спрогнозировать температуры нагрева и охлаждения в зависимости от содержания азота, определить температуру плавления и проанализировать взаимосвязь структура-свойство с точки зрения межатомного взаимодействия. Увеличение содержания азота приводит к повышению температуры плавления, что связано с изменением относительной стабильности жидкой фазы по сравнению с твердой при добавлении азота», — рассказал руководитель исследования Александр Квашнин, профессор Проектного центра по энергопереходу Сколтеха.


Смоделированные кристаллические структуры высокоэнтропийных карбидов и карбонитридов (TiZrTaHfNb)C
0.75N0.25 в твердом и жидком состоянии при температурах 3000, 3500, 4000 и 4500 К соответственно. На фрагментах показаны неметаллические подрешетки. Атомы углерода выделены серым цветом, а азота — красным / © Melting simulations of high-entropy carbonitrides by deep learning potentials

Группа ученых разработала новую процедуру обучения DeepMD-потенциала для моделирования процесса плавления и кристаллизации материала TiZrTaHfNbCxN1-x, что позволило затем рассчитать его температуру плавления. Потенциал был обучен на данных о траекториях, полученных из моделирования молекулярной динамики с использованием теории функционала электронной плотности, что позволило добиться высокой точности прогнозов.

Подход направлен на расширение возможностей классического молекулярно-динамического моделирования, позволяющего проводить точное моделирование и анализ процесса плавления с прогнозированием температуры плавления не только высокоэнтропийных карбонитридов, но и других сложных многокомпонентных материалов.

Авторы выявили максимальную температуру плавления для состава (TiZrTaHfNb)C0.75N0.25 — 3580±30 К. За счет добавления азота характеристики плавления высокоэнтропийных соединений можно улучшить — это позволит изменить теплофизические свойства функциональных и конструкционных материалов.