石墨烯/钛界面合金元素偏聚与界面反应抑制机理

石墨烯/Ti基复合材料因具有轻质、高比强度和优异的耐腐蚀性特性而成为极具竞争力的金属基复合材料。然而,石墨烯作为一种优秀的增强体,由于可与Ti发生剧烈的界面反应,严重阻碍了石墨烯/Ti基复合材料的发展与应用。使用第一性原理计算研究合金元素对石墨烯/Ti复合材料界面行为以及电子结构的影响。选取9种合金元素(Ta,Mo,Sn,Pd,Si,Ni,Co,Mn和N)构建Ti/石墨烯/Ti界面掺杂模型,计算界面偏聚能、电子态密度、布局分析以及差分电荷密度。研究发现,当掺杂的合金元素为Ta,Mo和Sn时,界面偏聚能力较弱。同时,分析电子性质可以发现这9种合金元素均削弱了Ti原子与C原子之间的电荷转移。为新型基体钛合金设计和高性能石墨烯增强钛基复合材料设计提供了新的途径,为高性能石墨烯/Ti基复合材料的新型基体钛合金设计提供了重要参考。

机器学习在铝基复合材料组分和工艺设计中的应用

铝基复合材料具有优异的力学性能,在航空、航天、国防、汽车等领域都得到一定的应用,机器学习在铝基复合材料组分和工艺设计中应用潜力巨大。首先介绍了机器学习的概念和常用算法,然后从性能预测、组分设计、工艺设计和材料体系与工艺一体化设计等4个方面详细论述了机器学习在铝基复合材料研发应用的进展,最后对机器学习在铝基复合材料领域未来的发展应用做了总结与展望。

单原子在铝合金中的扩散迁移行为:可解释机器学习加速第一原理计算方法

本文采用机器学习加速第一原理计算的方法,研究了铝基体中单原子的扩散迁移行为.建立铝基体中三十多种单原子扩散迁移行为的小样本数据集,以原子半径、离子半径和第一电离能等固有参数作为输入特征值,合金原子与空位之间的相互作用能以及合金原子在铝基体中的扩散势垒作为输出参数.通过相关性分析初步确定描述符与预测目标之间的关系,并利用递归特征消除法确定不同目标的输入特征和描述符数量.通过交叉验证证明所选模型的先进性,并进行微调以优化其性能.为了验证其效率和准确性,CatBoost模型经过了传统算法的严格测试.利用训练有素的模型预测周期表中其他单原子在铝基体中的扩散迁移行为.机器学习加速第一原理计算的结果可为进一步开发新型铝合金提供理论依据.