КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ

---

Номер 18-12-00438

НазваниеСтруктурная наследственность при аморфизации и кристаллизации жидкостей и мягкой материи

РуководительЩелкачев Николай Михайлович, Доктор физико-математических наук

Организация финансирования, регион Федеральное государственное бюджетное учреждение науки Институт физики высоких давлений им. Л.Ф. Верещагина Российской академии наук, г Москва

Период выполнения при поддержке РНФ

2021 г. - 2022 г.

Конкурс Конкурс на продление сроков выполнения проектов, поддержанных грантами Российского научного фонда по приоритетному направлению деятельности Российского научного фонда «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами» (28).

Область знания, основной код классификатора 02 - Физика и науки о космосе, 02-201 - Теория конденсированного состояния

Ключевые словааморфизация, кристаллизация, структурная наследственность, расплавы, фазовые переходы, переохлаждение, полиморфные превращения, молекулярная динамика, корреляционный функции, квазикристаллы, износостойкие материалы, аналитическое продолжение

Код ГРНТИ31.15.21

СтатусУспешно завершен

---

 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

---

Аннотация
Одна из базовых задач физики конденсированного состояния – предсказание свойств жидких и твёрдых фаз при заданных термодинамических параметрах. Наиболее интенсивно сегодня развиваются в этом направлении методы компьютерного моделирования, которые максимально эффективны для кристаллов при низких температурах, когда можно ограничиться основным состоянием системы и сравнительно небольшим числом атомов в ячейке. Для исследования твердых и жидких фаз при конечных температурах необходимо рассматривать достаточно большие сверхъячейки и аккуратно учитывать энтропию, что сильно усложняет ab initio расчёты. В результате, исследование фазовой диаграммы, термодинамических и кинетических свойств даже в сравнительно узком диапазоне параметров требует значительных вычислительных ресурсов. Основная проблема на этом пути связана с поиском оптимального соотношения точности и вычислительной затратности расчетов. Действительно, первопринципные квантово-механические методы, обладающие наибольшей точностью, позволяют изучать системы, состоящие всего лишь из сотен частиц на временах порядка не более наносекунд, что является недостаточным для многих практически важных задач. С другой стороны, методы классической молекулярной динамики позволяют изучать системы из 10^6–10^9 атомов на временах вплоть до микросекунд. Однако точность классического моделирования очень сильно ограничена необходимостью использования эмпирических межчастичных потенциалов (парные потенциалы, потенциалы погруженного атома и т.п.), которые во многих случаях неспособны адекватно аппроксимировать сложный характер межатомного взаимодействия в реальных системах. Особенно остро эта проблема стоит при изучении многокомпонентных систем (большинство современных материалов, имеющих практический интерес, многокомпонентные), где появляется дополнительный набор непрерывных параметров – концентрация компонентов. Даже такую, на первый взгляд простую, но важную задачу как вычисление вязкости многокомпонентного расплава, чрезвычайно сложно решить только ab initio методами, основанными на функционале плотности (из-за трудности моделирования достаточно больших сверхъячеек на достаточно длинных траекториях) или только с использованием классических модельных потенциалов типа потенциалов погруженного атома (их область применимости обычно ограничена узким диапазоном концентраций и термодинамических параметров, кроме того, такие потенциалы трудно построить для многокомпонентных систем). В последние несколько лет достигнут буквально революционный прогресс в построении классических межатомных потенциалов взаимодействия методами машинного обучения на базах данных, созданных на основе первопринципных расчетов. Такие потенциалы (MLIP – Machine Learning Interatomic Potentials) имеют очень гибкую математическую форму (например, многослойных нейронных сетей) и поэтому позволяют эффективно аппроксимировать поверхность потенциальной энергии изучаемой системы. Классическая молекулярная динамика с MLIP позволяет получить результаты, сравнимые по точности с ab initio методами, при этом выигрывая на несколько порядков по скорости и по сокращению затрат вычислительных ресурсов. Наши предварительные исследования показали, что данный подход работает и для многокомпонентных систем. Значительный прогресс в теоретическом описании многокомпонентных сплавов (речь в нашем проекте пойдет даже о 12-компонентных системах) будет достигнут, если научиться быстро и эффективно создавать базу данных для машинного обучения MLIP, и, если потенциалы будут работоспособны в широком диапазоне термодинамических параметров. Требуется, чтобы MLIP описывали одинаково точно как неупорядоченную жидкую фазу, так и кристаллические состояния многокомпонентных систем. Один из основных критериев точности – воспроизведение первопринципных фононных спектров. Данный подход освоен в нашем коллективе и будет применяться при выполнении задач проекта. Развитие и применение методов машинного обучения позволит продвинуться в решении проблемы прогнозирования структуры твердых фаз и описания их свойств в многокомпонентных системах при конечных температурах. Для решения данной задачи будет использован комплексный экспериментально-теоретический подход, основанный на концепции структурной наследственности, связывающей высокотемпературные (неупорядоченные) и низкотемпературные (упорядоченные) фазы. Под наследственностью в данном случае понимается наличие «генетической» взаимосвязи между структурой неупорядоченных и упорядоченных фаз. С точки зрения компьютерного моделирования, исследование неупорядоченных фаз (расплавов), как правило, требует умеренных компьютерных ресурсов, и такие расчеты реально осуществить в широком диапазоне параметров за разумное время. Самое главное, при моделировании неупорядоченной фазы возникает много вариантов локальной структуры, в том числе похожих на ту, что реализуется в твердой фазе. Наличие такой взаимосвязи, во-первых, делает эффективным обучение MLIP на жидких конфигурациях, а во-вторых, позволяет прогнозировать структуру и свойства твердых фаз по свойствам жидкостей. В этом случае иногда даже не надо генерировать кристаллические фазы разной симметрии для улучшения (дообучения) потенциала. При необходимости дообучение ведется с помощью генерации структур генетическими алгоритмами (типа USPEX). Сходимость метода достигается тогда, когда структуры, полученные генетическим алгоритмом на основе классического потенциала, совпадают с ab initio результатами. Эта методика нами уже отлажена на двух- и трехкомпонентных системах SiO2 и Al-Cu-Fe(Ni). Оптимизм в перспективности такого подхода также основан на недавних исследованиях [Nature Commun. 11, 5757 (2020)], где было продемонстрировано, что свойства всех полиморфных модификаций льда можно описать с ab initio точностью, обучая MLIP на конфигурациях, полученных путем минимизации энергии из конфигураций жидкой воды, смоделированной методом квантовой молекулярной динамики. Интересующие нас системы состоят не из двух сортов сравнительно «простых» sp-элементов, как вода, а представляют собой 3–12-компонентные системы, состоящие преимущественно из «сложных» для расчетов d- и f-элементов. Именно такие системы востребованы для конструирования перспективных функциональных материалов и представляют наибольший интерес для фундаментальных исследований. Для тестирования построенных моделей машинного обучения необходимо сравнение расчетов с использованием MLIP, первопринципных расчетов и экспериментальных данных для некоторого набора физических свойств, которые, во-первых, важны для практических применений, а во-вторых, надежно определяются экспериментальными методами. В случае рассмотрения ранее неизученных или малоизученных систем (а именно для таких систем построение MLIP наиболее актуально) такая верификация предполагает прецизионное измерение ряда физико-химических свойств. Одним из таких свойств является вязкость расплава. С одной стороны, это свойство достаточно чувствительно к изменениям локальной структуры жидкости, с другой – является практически важной характеристикой. В рамках нашего проекта отлажена методика экспресс-измерения вязкости в широком диапазоне концентраций компонент расплава. Изучая нетривиальные особенности вязкости (например, экстремумы, точки перегиба), можно приближенно определить, в каких областях концентраций и температур ожидаются интересные эффекты при затвердевании расплава и далее сконцентрировать как теоретические, так и экспериментальные (РСА, термический анализ, металлография, включая оптическую и электронную микроскопию) усилия на исследовании этих областей. Измеренные значения будут использоваться также для совершенствования методов вычисления транспортных свойств с помощью MLIP – первостепенной и до сих пор не решенной задачи. Разработанные теоретические и экспериментальные подходы, а также полученные результаты по структурной наследственности при формировании кристаллических и квазикристаллических фаз в сплавах на основе Al, будут использованы для изучения широко применяемых в авиакосмической промышленности сплавов класса АМг (сплавы на основе системы Al-Mg с малыми добавками Mn, Si и Fe). Данный класс сплавов является одним из основных конструкционных материалов российского сегмента МКС, поэтому, сегодня одной из актуальнейших проблем является разработка простой технологи пайки этих сплавов. При разработке подобной технологии, помимо выбора состава флюса и припоя, необходимо иметь надежные данные о вязкостных характеристиках образующейся жидкой прослойки, ее смачивании поверхности сплава, а также о структурообразовании при затвердевании. Помимо предсказания структуры кристаллических фаз, предлагаемые методы будут использоваться для изучения стеклования (аморфизации), поиска новых объемно-аморфных соединений, высокоэнтропийных сплавов и гидридов. Экспериментальные исследования взаимосвязи между структурным состоянием жидкости, ее стеклообразующей способностью и термической стабильностью аморфной фазы позволят подтвердить состоятельность предложенных теоретических методов при изучении процессов затвердевания.

Ожидаемые результаты
Проект направлен на разработку новых методов прогнозирования структуры и описания свойств конденсированных фаз многокомпонентных систем при конечных температурах, основанных на исследовании механизмов структурной наследственности, связывающей жидкость и твердое тело. В ходе решения данной задачи будет выполнена серия экспериментов по синтезу новых многокомпонентных фаз и измерению их свойств, разработаны новые теоретические модели взаимодействия в данных системах и выполнены теоретические расчеты наблюдаемых свойств, что позволит подтвердить состоятельность предложенных теоретических методов. Планируется получить следующие результаты. За прошедшие три года работы в рамках проекта нами накоплены экспериментальное данные по структуре и свойствах расплавов Al-Cu-TM (TM=Fe, Co, Ni) в жидком состоянии. В ходе продолжения проекта будет проведено комплексное исследование свойств систем Al-Cu-TM как в жидком, так и в твердом состоянии на основе методов машинного обучения. Ранее мы провели расчеты локальной структуры расплавов Al-Cu-TM методом квантовой молекулярной динамики для концентраций компонент, изучавшихся в экспериментах, выполненных в рамках нашего проекта. В ходе продолжения проекта, методами машинного обучения на основе базы данных ab initio молекулярно-динамических расчетов, для изучаемых сплавов будут построены классические потенциалы взаимодействия в виде нейронных сетей. Классическая молекулярная динамика с MLIP позволяет получить результаты сравнимые по точности с ab initio, при этом выигрывая на несколько порядков по скорости и объему вычислительных ресурсов. Известно, что даже такую, на первый взгляд простую, но важную задачу – вычисление вязкости многокомпонентного расплава, чрезвычайно сложно решить только методами ab initio, основанными на функционале плотности. С помощью классической молекулярной динамики и MLIP мы найдем вязкость расплава, как функцию концентрации и температуры. После этого можно будет сопоставить результаты эксперимента и данные моделирования. Совпадение результатов покажет, что метод MLIP позволяет эффективно количественно описывать кинетические свойства многокомпонентных расплавов. Этот результат будет очень важным, как для практических применений (большинство современных функциональных материалов многокомпонентные), так и для фундаментальных исследований. Успех этой методики открывает возможности моделирования в ограниченные сроки очень сложных соединений, используя достаточно ограниченные компьютерные и экспериментальные ресурсы. Изучая нетривиальные особенности вязкости (например, экстремумы, точки перегиба), можно приближенно определить, в каких областях концентраций и термодинамических параметров ожидаются интересные эффекты при затвердевании расплава и далее сконцентрировать как теоретические, так и экспериментальные усилия (РСА, методы ТА, металлография, в том числе оптическая и электронная микроскопия) на исследовании этих областей. На втором этапе, будет увеличена точность MLIP потенциалов, так, чтобы они правильно описывали не только область концентраций, изученную экспериментально, но покрывали бы вообще все возможные значения концентраций. (Например, для Al-Cu-TM – концентрации это два непрерывных параметра.) Для этого придется значительно расширить базу для обучения нейронной сети MLIP. Как показали наши предварительные расчеты, придется добавить в базу данных результаты DFT-расчетов расплавов чистых Al, Cu, и TM, их бинарных и тройных соединений с одинаковыми концентрациями компонент. Попутно будет решен очень важный методический вопрос, с какой оптимальной плотностью следует выбирать сетку концентраций, чтобы наиболее эффективно, с наименьшими затратами ресурсов обучить MLIP для многокомпонентной системы. Если, например мы обучаем MLIP для сплава Al_xCu_yFe_z, x+y+z=1, на базе данных расплава при x=y=z=1/3, то важно понять, насколько далеко можно отойти по x, y и z от этой точки в пространстве концентраций, чтобы натренированный MLIP все еще корректно описывал сплав. На третьем этапе MLIP потенциалы будут адаптированы для описания не только расплавов, но и твердых фаз. Наиболее строгая проверка качества обучения MLIP для кристаллических фаз – это вычисление фононных спектров. Решение этой задачи может потребовать улучшения (дообучения) полученных потенциалов за счет включения в тренировочный датасет дополнительных кристаллических конфигураций, которые могут генерироваться на основе кристаллических конфигураций из библиотеки «materials project» и/или на структурах, произведенных генетическим алгоритмом типа USPEX. С помощью такого улучшенного MLIP будет найден convex-hull, т.е., все наиболее устойчивые кристаллические структуры во всем диапазоне составов (при низких температурах). Методом DFT такая процедура потребовала бы до полугода расчетов и серьезной загрузки суперкомпьютера. MLIP потенциал позволит решить эту задачу за несколько суток даже на персональном компьютере. Высокотемпературные фазы относительно легко определить, исходя из найденных стабильных и метастабильных структур convex-hull, например, методом термодинамического интегрирования в рамках классической молекулярной динамики. На четвертом этапе проекта, изложенный выше метод будет применён к системам с числом компонент от 4 (например, для FeSiNbTa, уже предварительно экспериментально исследованный сплав в рамках проекта при малых концентрациях Ta и Nb) до 12 (например, для сплава TiZrHfNbVCrMoMnFeCoNiAl образующего, как показали предварительные исследования, вошедшие в отчет по проекту, при определенных условиях твердый раствор на основе гексагональной фазы Лавеса). Прогресс в понимании свойств многокомпонентных сплавов будет достигнут, если научиться быстро и эффективно создавать базу данных для машинного обучения MLIP, и, если потенциалы будут работоспособны в рекордно широком диапазоне, как концентраций, так и термодинамических параметров. Так как в многокомпонентных сплавах число параметров (концентраций) очень велико, важно, чтобы эксперимент и теория тесно взаимодействовали. В рамках нашего проекта отлажена методика экспресс-измерения вязкости в широком диапазоне концентраций компонент расплава. Изучая нетривиальные особенности вязкости (например, экстремумы, точки перегиба), можно приближенно определить, в каких областях концентраций и термодинамических параметров ожидаются интересные эффекты при затвердевании расплава и далее сконцентрировать как теоретические, так и экспериментальные усилия (РСА, методы ТА, металлография, в том числе оптическая и электронная микроскопия) на исследовании этих областей. Измеренные значения будут использоваться для совершенствования методов вычисления кинетических свойств с помощью MLIP– первостепенной и до сих пор не решенной задачи. Подводя итоги, предварительные исследования, проведенные в рамках проекта за последние 3 года, показали, что на первом, наиболее важном этапе изучения многокомпонентных систем, должна исследоваться структурная наследственность, связывающая высокотемпературные (неупорядоченные) и низкотемпературные (упорядоченные) фазы. Под наследственностью в данном случае понимается наличие «генетической» взаимосвязи между структурой неупорядоченных и упорядоченных фаз. С точки зрения эксперимента, измерения вязкости расплавов можно проводить в достаточно сжатые сроки в широком диапазоне параметров. С точки зрения компьютерного моделирования, этап исследования расплавов требует, как правило, умеренных компьютерных ресурсов, и такие расчеты реально осуществить в широком диапазоне параметров за разумное время. Самое главное, при моделировании неупорядоченной фазы возникает рекордно много вариантов локальной структуры, в том числе похожей на ту, что реализуется в твердой фазе. Наличие такой «генетической» взаимосвязи делает эффективным обучение MLIP на жидких конфигурациях. ОЦЕНКА СООТВЕТСТВИЯ ЗАПЛАНИРОВАННЫХ РЕЗУЛЬТАТОВ МИРОВОМУ УРОВНЮ ИССЛЕДОВАНИЙ В последние несколько лет достигнут буквально революционный прогресс в построении классических межатомных потенциалов взаимодействия методами машинного обучения на базах данных, созданных на основе первопринципных расчетов. Такие потенциалы (MLIP – Machine Learning Interatomic Potentials) имеют очень гибкую математическую форму (например, многослойных нейронных сетей) и поэтому позволяют эффективно аппроксимировать поверхность потенциальной энергии изучаемой системы. Классическая молекулярная динамика с MLIP позволяет получить результаты сравнимые по точности с ab initio, при этом выигрывая на несколько порядков по скорости и объему вычислительных ресурсов. Более подробно это изложено в литературном обзоре. Наш проект находится в русле упомянутых тенденций и направлен, в теоретической его части, на одно из наиболее востребованных в мире направлений исследований (машинное обучение, нейронные сети). Большая часть исследований на основе MLIP в последнее время направлены на системы с одной или несколькими компонентами. В нашем проекте рассматривается значительно более сложная и амбициозная задача – описание многокомпонентных систем во всем диапазоне концентраций, в широком диапазоне термодинамических параметров, как в жидкой, так и в твердых фазах. Следует подчеркнуть, что одна MLIP нейронная сеть будет описывать многокомпонентный сплав при всех упомянутых выше параметрах! Отличительной чертой нашего проекта является тесная связь теории и эксперимента. Все наши теоретические построения мы будем проверять экспериментально (и наоборот). Такой подход всегда считался наиболее последовательным в науке, и он безусловно соответствует мировым тенденциям. Следует также отметить, что эксперименты по измерению кинетических свойств расплавов, исследованию их структуры, интересны сами по себе, поэтому обычно публикуются в высокорейтинговых мировых научных журналах, что уже является показателем мирового уровня исследований. В сочетании с теорией такие эксперименты гораздо более интересны и востребованы. В проекте нами предлагаются новые и значительно более эффективные, чем имеются на сегодняшний день, методы исследования и предсказания «высокотемпературных» фаз, конденсирующихся из расплавов. Обычно на такие исследования уходят годы, поскольку нужно изучить широкую область параметров системы или найти оптимальный материал, имеющий определенную фазу в нужном диапазоне параметров. Предлагаемый нами метод позволяет свести задачу к изучению в основном расплавов. Такой подход малозатратен относительно прямого исследования конденсированных фаз. Это касается как экспериментальной части проекта, так и предсказательных ab initio расчетов, которые обычно очень сложны при конечных температурах в твердой фазе, особенно, если не известно заранее, какая фаза получится. Но ab initio расчеты, например, методом квантовой молекулярной динамики при конечных температурах, исключительно эффективны в жидкости при создании базы данных для обучения MLIP. Наши результаты, безусловно, будут иметь научную и общественную значимость, особенно для поиска новых перспективных материалов. Запланированные результаты полностью соответствуют мировому уровню исследований. Результаты исследований будут опубликованы в высокорейтинговых журналах, входящих в систему цитирования Web of Science. ВОЗМОЖНОСТЬ ПРАКТИЧЕСКОГО ИСПОЛЬЗОВАНИЯ ЗАПЛАНИРОВАННЫХ РЕЗУЛЬТАТОВ ПРОЕКТА В ЭКОНОМИКЕ И СОЦИАЛЬНОЙ СФЕРЕ Разработанные теоретические и экспериментальные подходы, а также полученные результаты о структурной наследственности при формировании кристаллических и квазикристаллических фаз в сплавах на основе Al, будут использованы для изучения широко применяемых в авиакосмической промышленности сплавов класса АМг (сплавы на основе системы Al-Mg с малыми добавками Mn, Si и Fe). Данный класс сплавов является одним из основных конструкционных материалов российского сегмента МКС, поэтому, сегодня одной из актуальнейших проблем является разработка простой технологи пайки этих сплавов. При разработке подобной технологии, помимо выбора состава флюса и припоя, необходимо иметь надежные данные о вязкостных характеристиках образующейся жидкой прослойки, ее смачивании поверхности сплава, а также структурообразовании при затвердевании.

---

 

ОТЧЁТНЫЕ МАТЕРИАЛЫ

---