Development of fundamental technology for controlling deformability of nickel aluminide using data science

2023 Fiscal Year Annual Research Report

• Project/Area Number: 21K04730
• Research Institution: National Institute for Materials Science
• Principal Investigator: 出村 雅彦 国立研究開発法人物質・材料研究機構, 技術開発・共用部門, 部門長 (10354177)
• Co-Investigator(Kenkyū-buntansha): 譯田 真人 国立研究開発法人物質・材料研究機構, 構造材料研究拠点, 主任研究員 (00550203)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 金属間化合物 / 転位相互作用 / 結晶塑性解析 / データ駆動 / 分子動力学 / 機械学習ポテンシャル / 面欠陥エネルギー / 熱力学的積分法

Outline of Annual Research Achievements

課題（1）に関しては、昨年度までに、ニッケルアルミナイドの圧延異方性をもたらしている起源として、Gllisile Junction（GJ）が原因となる強いすべり系相互作用を有すると考えられること、加えて、当該相互作用が、他の相互作用に比べて10以上と考えることで、実験の結果を再現できることを見いだしている。本年度は、当該発見について、多面的に検討を進めて、妥当性を検討した。まず、GJが特別に強い相互作用を持ちうることについては、対象化合物の転位反応に関する先行研究から、GJの組み合わせにある転位同士が反応して、よりエネルギーが低い転位構造に移行する可能性があることを確認した。この転位反応によって不動化するために、GJの相互作用係数が他よりも高いことについては、説明が可能であると考えられる。さらに、計算についてもより詳細な検討を行い、３つの単結晶実験の結果を最終結晶方位のズレで1 度以内で再現できる条件が、確かに10以上であることを確認できた。

課題（2）に関しては、これまでに作成・検証した機械学習ポテンシャルについて、さらに熱力学的積分法と組みあわせることで有限温度での面欠陥エネルギーを求めるための枠組み構築に取り組んだ。熱力学的積分法は自由エネルギーを求める手法の一つであり、これを用いることで系の様々な状態に対する有限温度のエネルギーを評価することが可能である。研究期間全体を通じて実施した研究によって、多様な学習構造の第一原理計算結果に基づき構築した機械学習ポテンシャルを用いて、FCC合金系での面欠陥エネルギーを温度零度と有限温度で評価する計算枠組みを構築することができた。