ترجمه فارسی مقاله مدل دقیق برهمکنش بین اتمی چند ذره‌ای با میانگین بالا برای آلیاژهای تصادفی

چکیده

Understanding the physical origin of deformation mechanisms in random alloys requires an understanding of their average behavior and, equally important, the role of local fluctuations around the average. Material properties of random alloys can be computed using direct simulations on random configurations but some properties are very difficult to compute, for others it is not even fully understood how to compute them using random sampling, in particular, interaction energies between multiple defects. To that end, we develop an atomistic model that does the averaging on the level of interatomic potentials. Then, the problem of averaging via random sampling is bypassed since computing material properties on random configurations reduces to computing material properties on a single crystal, the average alloy. We develop our average model on the class of linear machine-learning interatomic potentials. To that end, using tools from higher-order statistics, we derive an analytic expansion of the average many-body per-atom energy in terms of average tensor products of the feature vectors that scales linearly with the size of an atomic neighborhood. In order to avoid forming higher-order tensors composed of products of feature vectors, we develop an implementation using equivariant tensor network potentials in which the feature vectors are contracted to small-sized tensors before taking the average. We show that our average model predicts the compact screw dislocation core structure in the NbMoTaW medium-entropy alloy, in agreement with density functional theory, as opposed to state-of-the-art average embedded atom method potentials that predict artificial polarized cores. Hence, we anticipate that our model will become useful for understanding mechanistic origins of material properties and for developing predictive models of mechanical properties of random alloys.

چکیده به فارسی (ترجمه ماشینی)

درک منشأ فیزیکی مکانیسم های تغییر شکل در آلیاژهای تصادفی نیاز به درک رفتار متوسط ​​آنها و به همان اندازه مهم ، نقش نوسانات محلی در حدود متوسط ​​دارد.خصوصیات مواد آلیاژهای تصادفی را می توان با استفاده از شبیه سازی های مستقیم در تنظیمات تصادفی محاسبه کرد اما محاسبه برخی از خصوصیات بسیار دشوار است ، برای برخی دیگر حتی به طور کامل درک نمی شود که چگونه آنها را با استفاده از نمونه گیری تصادفی ، به ویژه ، انرژی تعامل بین چندین نقص.برای این منظور ، ما یک مدل اتمی ایجاد می کنیم که میانگین آن را در سطح پتانسیل های بین اتمی انجام می دهد.سپس ، مشکل میانگین از طریق نمونه گیری تصادفی از آن عبور می کند زیرا محاسبات خاصیت مواد در تنظیمات تصادفی به خصوصیات محاسباتی در یک کریستال واحد ، متوسط ​​آلیاژ کاهش می یابد.ما مدل متوسط ​​خود را در کلاس پتانسیل های بین اتمی یادگیری ماشین خطی توسعه می دهیم.برای این منظور ، با استفاده از ابزارهایی از آمار مرتبه بالاتر ، ما از نظر میانگین محصولات تانسور از بردارهای ویژگی که به صورت خطی با اندازه یک محله اتمی مقیاس می شوند ، یک گسترش تحلیلی از میانگین انرژی زیادی در هر اتم را استخراج می کنیم.به منظور جلوگیری از تشکیل تانسرهای مرتبه بالاتر متشکل از محصولات بردارهای ویژگی ، ما با استفاده از پتانسیل های شبکه تانسور Equivariart که در آن بردارهای ویژگی قبل از میانگین به تانسور های کوچک منعقد می شوند ، یک اجرای را تهیه می کنیم.ما نشان می دهیم که مدل متوسط ​​ما ساختار هسته جابجایی پیچ جمع و جور را در آلیاژ متوسط ​​آنتروپی NBMOTAW ، در توافق با تئوری عملکردی چگالی ، بر خلاف پتانسیل های روش متوسط ​​اتم تعبیه شده که پیش بینی هسته های قطبی مصنوعی را پیش بینی می کند ، پیش بینی می کند.از این رو ، ما پیش بینی می کنیم که مدل ما برای درک منشأ مکانیکی خصوصیات مواد و برای توسعه مدلهای پیش بینی کننده خصوصیات مکانیکی آلیاژهای تصادفی مفید خواهد بود.