更精确地模拟金属合金行为的新方法

在航空航天、能源和计算等前沿领域，企业始终在寻找性能更优的新材料。然而，要了解这些材料在火箭或计算机芯片中的实际表现，必须先制造并测试它们——因为即便最强大的模拟技术也难以准确建模大多数固体材料中复杂的化学排列。这一瓶颈增加了材料创新的成本和时间。

如今，麻省理工学院（MIT）的研究团队创建了一种方法，能够精确模拟金属的行为，无论其化学排列多么复杂。该方法的核心是机器学习模型，它们使材料模拟更快、更准确。研究人员通过构建训练数据集来改进这些模型，这些数据集捕捉了化学无序材料中原子环境的多样性。

在《科学进展》（Sciences Advances）上发表的一篇新论文中，研究者展示了该方法可用于准确预测多种金属合金在不同条件下的性质。他们还展示了该方法如何在实验成本高昂的场景下帮助开发新材料。

“论文的重点是金属合金——这是我最研究的领域——但该方法可以适应其他材料，如半导体。”论文资深作者、MIT材料科学与工程系TDK职业发展教授Rodrigo Freitas表示，“它不仅限于任何特定应用——你可以用这种方法创造新型可持续钢材、航空航天材料等。这正是令人兴奋之处。”

论文第一作者为MIT博士生Killian Sheriff，其他合著者包括MIT博士生Daniel Xiao、Yifan Cao以及谢菲尔德大学高级讲师Lewis R. Owen。

模拟金属的挑战

材料性质主要取决于其化学元素的内部排列。即使两种材料拥有相同的化学元素，不同的排列方式也可能导致一种材料易碎，而另一种则可变形而不断裂。

捕捉这种差异需要逐原子模拟材料。为此，研究人员依赖描述原子间相互作用的模型。过去二十年中，机器学习已成为构建这些模型的最准确方法。当材料内部的化学排列高度有序时，这类模型效果良好，但大多数固体材料并非如此——它们的原子化学排列是混乱的，且在不同区域间变化。

“我们领域的真正挑战是模拟这些化学无序相。”Freitas说，“化学无序意味着局部化学环境极其多样，这让机器学习模型难以学习。这是一个问题，因为我们实际使用的每一种金属都是化学无序的。”

问题归结为缺乏用于逐原子模拟的代表性训练数据。当前的主流方法依靠暴力计算，通常需要超过10万小时的计算时间才能为单一材料创建训练数据。即便如此，当研究人员改变材料成分时，该方法也难以迁移。

在之前的工作中，Freitas的小组开发了一种通过分析微小原子群的频率和间距来测量固体材料化学复杂度的方法。在这项研究中，他们利用这一能力构建了更好的训练数据集。他们使用信息论方法生成训练数据集，以捕捉无序材料中更多种类的局部化学环境。该方法通过从样本中替换原子来减少重复，并让模型接触到可能遗漏的化学环境。

“我们不断优化训练集，使其包含尽可能多的不同局部环境。”Freitas解释说，“如果同一种环境出现多次，我们就用模型未见过的例子替换冗余例子。这使训练集信息更丰富，因为每个例子都带来新内容。”

当使用研究人员的数据集进行训练时，模型预测材料性质的准确性超过了使用随机采样或其他流行采样方法训练的模型。

“所有逐原子模拟的起点是：你是否能准确描述原子间的化学键？”Freitas解释道，“如果不能，它仍然可以教你关于材料的一般知识，但无法告诉你特定材料在现实世界中的表现。这种方法使模拟在化学层面具有高保真度，从而更好反映材料的实际情况。”

研究人员将他们的技术应用于一组化学多样的金属合金，以创建机器学习训练数据集。通过一组机器学习模型，他们展示了基于其数据集训练的模型比谷歌和微软等公司创建的更大模型更准确。

“我们达到了一个点，确信它可以在不使用这些昂贵的暴力计算方法的情况下工作。”Freitas说，“我告诉Killian：‘这是一篇好论文。但如果你能证明使用这些模型的模拟现在可以准确预测有用的材料性质，那它就会成为一篇非常好的论文。’Killian认真对待了这一点，并尽可能广泛地测试了这一方法。”

Sheriff与Xiao和Cao合作，在不同合金和性质上测试了该方法。团队还利用Owen的实验数据，将模拟结果与合金中原子有序度的实际测量值进行比较。

从实验室到工业

该方法部分通过捕捉样本数据中的隐藏模式来工作。研究人员在论文中将这些模式描述为“对某些局部化学配置的微妙能量偏好”。

这些微小的能量差异很重要，因为它们决定了合金中形成哪些相、这些相如何随温度和成分变化，以及最终材料将具有哪些性质。作为一项测试，Daniel Xiao领导的模拟表明，团队模型可以预测与实验数据高度匹配的相图。相图描绘了不同温度和化学组成下哪些相是稳定的，是设计和加工合金的核心工具。

“相图是人们将材料建模与实际加工决策联系起来的主要方式之一。”Freitas说，“如果你在焊接、铸造或热处理一种合金，你需要知道不同条件下可能形成哪些相。我们的目标是让这类预测足够准确、足够易用，使之成为人们设计材料的一部分。”

研究人员目前正在利用该方法研究改变合金成分如何影响机械性能和耐辐射性，目标是设计出在恶劣环境中保持强度和抗损伤性的材料。他们还在努力使该方法更容易与材料工程师已经使用的工具和工作流程配合。

“如果你们创造的东西与现有操作流程不符，工业界不会改变他们的做法。”Freitas说，“目标是在实际进行材料决策的地方让这些预测发挥作用。”

该研究得到了美国空军科学研究办公室的支持。