山东大学 | Mater. Today Commun. | 基于分子动力学与可解释机器学习的γ-TiAl合金力学行为机制驱动预测
2026-06-24 15:34:50 作者:Metals Letters 来源:Metals Letters 分享至:

 

原文标题Mechanism-informed prediction of γ-TiAl alloy mechanical behavior via molecular dynamics and explainable machine learning

标题翻译基于分子动力学与可解释机器学习的γ-TiAl合金力学行为机制驱动预测

通讯作者单位山东大学,机械工程学院

 



原文共有图12,本文图片选自原文中图1、3、5、7、11、12。



 

图1展示了在LAMMPS中构建的γ-TiAl合金拉伸模型。图中绿色区域代表晶粒,白色区域代表晶界,模型尺寸为300 Å×100 Å×100 Å,包含184,791至184,975个原子,通过Voronoi方法生成多晶结构。

图3展示了不同晶粒尺寸下γ-TiAl合金的微观结构演化。图3a–3c为应变0.5、1.0、2.0时的原子构型,图3d为结构类型分数变化,显示小晶粒时晶界滑移主导变形,大晶粒时位错滑移占主导,揭示了反Hall-Petch效应的微观起源。

图5展示了不同温度下γ-TiAl合金的微观结构演化。图5a–5c为应变0.5、1.0、2.0时的原子构型,图5d为结构类型分数变化,显示高温下面心立方结构向密排六方和非晶相转变,对应热软化行为。

图7展示了不同应变率下γ-TiAl合金的微观结构演化。图7a–7c为应变0.5、1.0、2.0时的原子构型,图7d为结构类型分数变化,显示高应变率下面心立方向密排六方转变加速且出现体心立方相,对应应变率强化机制。

图11展示了SHAP依赖图,揭示各输入特征对预测应力的边际贡献及特征间交互作用。图11a显示应变对应力的正贡献先增后趋于饱和;图11b显示温度升高导致SHAP值下降(热软化);图11c显示应变率升高增加SHAP值(应变率强化);图11d显示晶粒尺寸增大增加SHAP值(反Hall-Petch效应)。

图12展示了SHAP决策图,从均值预测到最终预测的演变路径。图中显示应变为主导分支因素,温度、应变率和晶粒尺寸依次贡献较小,颜色从蓝到红反映特征值从低到高,验证了特征重要性排序。

免责声明:本网站所转载的文字、图片与视频资料版权归原创作者所有,如果涉及侵权,请第一时间联系本网删除。

    标签:
相关文章
无相关信息