2023 Fiscal Year Annual Research Report
| Project/Area Number |
20K15013
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
清水 康司 東京大学, 大学院工学系研究科(工学部), 助教 (00838378)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 機械学習ポテンシャル / 第一原理計算 / 水素 / アルミニウム / アルミナ / 量子効果 / 分子動力学計算 |
|---|
| Outline of Annual Research Achievements |
本研究では、水素による材料劣化機構の解明に向けて、機械学習原子間ポテンシャルを用いた解析を進めてきた。これまでに、ニューラルネットワークポテンシャルを用いてアルミニウム中での水素拡散を解析し、先行研究での計算値を再現するとともに、経路積分セントロイド分子動力学計算によって水素原子の原子核の量子効果を考慮した拡散係数を得ることができた。これらの知見をもとに、本年度はより大規模な計算モデルを用いた本格的な解析を実施するために、機械学習原子間ポテンシャルとしてqSNAPモデルを採用した。そして、密度汎関数理論に基づく第一原理計算によって多様な原子環境の訓練データセットを生成し、予測精度の高いqSNAPモデルを作成した。次に、作成したqSNAPモデルを用いた分子動力学計算によるアルミニウムの引っ張り試験を実施した。その結果、アルミニウム中に水素を導入した場合、時間の経過とともに材料中において水素が凝集することがわかり、これが破壊の促進に関連していることがわかった。その他、点欠陥や粒界における水素導入の影響についても調べた。さらに、より現実的なモデルにおける材料劣化機構の解析に向けて、アルミナで被覆されたアルミニウム系へとqSNAPモデルの適用範囲を拡張した。そして、アルミナ－アルミニウム界面モデルにおける分子動力学計算を実施し、界面近傍での水素拡散挙動に関する予備的な結果を得ることができた。今後さらに解析を継続して、微視的な材料劣化機構の解明に取り組む。
|
