Bcc Fe晶界模型简化方法的第一性原理研究

基于密度泛函理论,计算了bcc Fe中Σ5(310)晶界平面位置处He_nV(n≤2)团簇的性质,同时以此数据结果为判断标准,分析了两种简化晶界模型的优劣,这两种简化晶界模型分别是自由表面晶界模型和重构的双晶界模型.选取三种不同取向的He_2V团簇,分别从结构、能量、计算资源消耗等多种角度进行对比,分析了所建模型的合理性与可行性.结果表明,两种简化模型都能够显著提高计算效率,但是自由表面晶界模型与初始完整晶界模型的计算结果更加吻合.同种简化方法及思路亦可应用于诸如非对称晶界的更复杂的晶界结构.     

α-Fe中氦泡阻碍位错移动硬化的分子动力学研究

基于周期性位错阵列模型,利用分子动力学方法,研究了α-Fe中1/2a0111{110}刃位错与3nm氦泡的相互作用导致硬化的过程,重点研究了不同温度下(300 K和623 K),氦空位比例对位错与3 nm氦泡作用机制影响的差异性.研究结果表明,当氦空位比例在0～1之间变化时,氦空位比例的变化对临界剪切应力的影响微弱,当氦空位比例在1～1.5之间变化时,氦泡内氦原子的数量的增加,临界剪切应力随之降低.氦空位比例升高至1.75时,高温623 K与室温相比,临界剪切应力反常升高,原因是高温引起的位错与氦泡的排斥机制:氦泡严重超压,与位错接触瞬间,沿位错拉伸侧踢出自间隙原子团簇,被位错吸收后产生割阶;由于位错割阶与超压氦泡同为压应力场,割阶被氦泡强烈排斥反弹.     

基于深度卷积神经网络的α-Fe晶界能预测

本文提出了一种预测晶界能以研究α-Fe晶界性质的深度学习方法.在分子动力学生成的α-Fe对称倾斜晶界的基础上,通过中心对称参数和原子密度信息构造出晶界特征—积累中心对称参数,提出了数据增强和按倾斜角分层抽样的方法,建立了预测晶界能的卷积神经网络模型.测试集结果表明,预测晶界能的平均相对误差小于1.75%,平均每个晶界的预测用时在0.002 s以内.该方法在一定范围内具有较高的准确性和鲁棒性,提供了研究晶界的微观结构特征与宏观性能之间关联的途径.     

α-Fe氦缺陷及弹性模量的第一性原理研究

基于密度泛函理论,针对聚变堆结构钢中子辐照后氦效应进行第一性原理模拟研究.通过计算α-Fe中He缺陷形成能,来分析不同类型He缺陷相对稳定性及磁性的影响,并针对相对稳定的替位He缺陷,计算氦缺陷对α-Fe弹性模量的影响.结果表明:磁性对替位氦缺陷影响较小,结合态密度数据可知,替位氦可能引起晶格常数增大和体模量降低,且氦相对浓度减小可能会引起对弹性模量降低影响的弱化.