【技術實現步驟摘要】
本專利技術涉及金屬材料性質預測，具體涉及一種基于機器學習力場預測金屬材料性質的方法、設備和介質。
技術介紹
1、氫致損傷是導致金屬材料失效、限制氫能源大規模應用的瓶頸問題。因而研究材料與氫之間的相互作用，分析氫在鋼鐵材料中的擴散行為對抗氫致損傷的鋼鐵材料及氫能源大規模應用有重要意義。氫在材料體系內的滲透雖然可以利用原位高分辨掃描電鏡等分析觀測手段結合氫滲透實驗進行一定程度的評估，但由于氫在鐵素體鋼中的擴散速度較快，原位觀測等手段還無法用于深入研究氫擴散過程中材料體系、合金元素、以及夾雜相等在原子尺度層面的影響。
2、目前可以利用第一性原理或者分子動力學等原子尺度方法來研究氫原子在金屬材料的擴散特性及金屬材料性質，第一性原理和分子動力學方法研究材料性質流程如圖1所示。隨著計算模擬技術的發展，利用第一性原理計算手段，可以實現從原子尺度對氫擴散過程機理進行研究，通過尋找氫原子在不同位點處的結合能并計算氫原子在不同位置之間遷移的能壘，可比較不同材料體系下氫原子在材料中的遷移能壘對比氫在體系下的擴散性。然而，傳統第一性原理計算方法由于算力的限制，往往無法準確地描述和計算大型結構或復雜結構的情況，導致在高強抗氫鋼設計與研發中，合金元素和氫濃度等重要因素難以精確地模擬和預測，這限制了該方法在實際應用中的有效性和可行性。分子動力學計算方法可開展對大型結構進行模擬和計算，但該計算依賴實驗所得的勢場，對結構及某一物理狀態的描述更加注重于較為關鍵的物理狀態，而目前氫與低合金高強鋼的分子動力學勢函數較少，且準確的勢函數獲取難度高，無法滿足材
技術實現思路
1、有鑒于此，本專利技術提出了一種基于機器學習力場預測金屬材料性質的方法、設備和介質，能夠實現接近于經驗勢的計算效率。
2、為實現上述目的，本專利技術技術方案如下：
3、一種基于機器學習力場預測金屬材料性質的方法，包括：
4、構建金屬材料微觀組織的多個初始構型；通過軟件對初始構型進行不同溫度下的第一性原理分子動力學模擬，獲得分子動力學中的每一步構型的能量和原子受力和位置信息；將獲得的能量和原子受力和位置信息信息作為數據庫，通過訓練得到金屬材料機器學習力場；采用所述金屬材料機器學習力場預測金屬材料性質。
5、其中，從晶體材料數據庫materials?project獲得金屬材料微觀組織的初始構型，所述初始構型包括：fcc、bcc和hcp晶體類型的單質和合金。
6、其中，獲得分子動力學中的每一步構型的能量和原子受力和位置信息的具體步驟為：
7、使用vasp或pwmat軟件對初始構型進行多個溫度下的第一性原理分子動力學模擬，獲得第一性原理分子動力學模擬軌跡并等間距提取第一性原理分子動力學構型；
8、使用經驗力場對初始構型進行簡單機械變形的分子動力學模擬，獲得通過簡單機械變形的分子動力學模擬軌跡并等間距提取經驗力場分子動力學構型；
9、對初始構型進行結構微擾、構造表面、構造層錯、施加空位缺陷操作，并獲得相應手動構造的構型；
10、利用軟件對初始構型、第一性原理分子動力學構型、經驗力場分子動力學構型、手動構造的構型進行高精度單點能計算，獲取初始構型、第一性原理分子動力學構型、經驗力場分子動力學構型、手動構造的構型的勢能、原子受力信息和位力信息。
11、其中，獲得第一性原理分子動力學模擬軌跡并等間距提取第一性原理分子動力學構型時，首先設置泛函文件、迭代精度、k點、初始構象、時間步長和系綜，然后開始第一原理分子動力學模擬，獲得第一性原理分子動力學模擬軌跡并等間距提取構型；
12、使用pwmat軟件對所述目標構象進行單點能計算包括：設置泛函文件、迭代精度和k點，進行單點能計算，其中，所述單點能計算的截斷能為60ry，k點根據所計算模型的大小選取，k點網格設置為gamma點，電子收斂精度為10-4ev。
13、其中，將初始構型、第一性原理分子動力學構型、經驗力場分子動力學構型、手動構造的構型的勢能、原子受力信息和位力信息作為數據庫，將構型作為樣本，將構型的勢能、原子受力和位力信息作為標簽，使用kfnn的神經網絡模型訓練，得到金屬材料機器學習力場。
14、本專利技術的一種電子設備，所述電子設備包括處理器、用于存儲所述處理器可執行指令的存儲器；所述處理器，用于從所述存儲器中讀取所述可執行指令，并執行所述指令以實現本專利技術所述的基于機器學習力場預測金屬材料性質的方法。
15、本專利技術的一種計算機可讀存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序用于執行本專利技術所述的基于機器學習力場預測金屬材料性質的方法。
16、有益效果：
17、1.本專利技術通過第一性原理分子動力學和經驗力場獲得模擬軌跡并提取構型，獲得了可以表征金屬材料微觀結構演化的數據庫，從而實現了建立準確表征金屬材料微觀結構演化過程的金屬材料機器學習力場，解決了金屬材料在氫環境下微結構演化模擬所使用的分子動力學力場模型精度差以及力場不全面的問題，提高當前金屬材料分子動力學模擬精度低的問題，同時彌補了第一性原理計算效率低的缺點，實現接近于經驗勢的計算效率。
18、2.本專利技術方法為深入研究金屬材料微觀結構演化提供了理論模型和必要基礎，在金屬材料的設計和應用方面有著明顯的優勢和廣泛的應用前景。
19、3.本專利技術設備通過第一性原理分子動力學和經驗力場獲得模擬軌跡并提取構型，獲得了可以表征金屬材料微觀結構演化的數據庫，從而實現了建立準確表征金屬材料微觀結構演化過程的金屬材料機器學習力場，解決了金屬材料在氫環境下微結構演化模擬所使用的分子動力學力場模型精度差以及力場不全面的問題，提高當前金屬材料分子動力學模擬精度低的問題，同時彌補了第一性原理計算效率低的缺點，實現接近于經驗勢的計算效率。
20、4.本專利技術介質通過第一性原理分子動力學和經驗力場獲得模擬軌跡并提取構型，獲得了可以表征金屬材料微觀結構演化的數據庫，從而實現了建立準確表征金屬材料微觀結構演化過程的金屬材料機器學習力場，解決了金屬材料在氫環境下微結構演化模擬所使用的分子動力學力場模型精度差以及力場不全面的問題，提高當前金屬材料分子動力學模擬精度低的問題，同時彌補了第一性原理計算效率低的缺點，實現接近于經驗勢的計算效率。
本文檔來自技高網...【技術保護點】
1.一種基于機器學習力場預測金屬材料性質的方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，從晶體材料數據庫Materials?Project獲得金屬材料微觀組織的初始構型，所述初始構型包括：fcc、bcc和hcp晶體類型的單質和合金。
3.如權利要求1所述的方法，其特征在于,獲得分子動力學中的每一步構型的能量和原子受力和位置信息的具體步驟為：
4.如權利要求3所述的方法，其特征在于,獲得第一性原理分子動力學模擬軌跡并等間距提取第一性原理分子動力學構型時，首先設置泛函文件、迭代精度、K點、初始構象、時間步長和系綜，然后開始第一原理分子動力學模擬，獲得第一性原理分子動力學模擬軌跡并等間距提取構型；
5.如權利要求1-4任意一項所述的方法，其特征在于，將初始構型、第一性原理分子動力學構型、經驗力場分子動力學構型、手動構造的構型的勢能、原子受力信息和位力信息作為數據庫，將構型作為樣本，將構型的勢能、原子受力和位力信息作為標簽，使用kfnn的神經網絡模型訓練，得到金屬材料機器學習力場。
6.一種電子設備，其特征在
7.一種計算機可讀存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序用于執行上述權利要求1-5中任一所述的基于機器學習力場預測金屬材料性質的方法。
...【技術特征摘要】
1.一種基于機器學習力場預測金屬材料性質的方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，從晶體材料數據庫materials?project獲得金屬材料微觀組織的初始構型，所述初始構型包括：fcc、bcc和hcp晶體類型的單質和合金。
3.如權利要求1所述的方法，其特征在于,獲得分子動力學中的每一步構型的能量和原子受力和位置信息的具體步驟為：
4.如權利要求3所述的方法，其特征在于,獲得第一性原理分子動力學模擬軌跡并等間距提取第一性原理分子動力學構型時，首先設置泛函文件、迭代精度、k點、初始構象、時間步長和系綜，然后開始第一原理分子動力學模擬，獲得第一性原理分子動力學模擬軌跡并等間距提取構型；
5.如權利要求1-4...
【專利技術屬性】
技術研發人員：米志杉，楊麗，孫旭，程挺，李通，仇灝，蘇航，劉和平，
申請(專利權)人：中國鋼研科技集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。