化学计量相生长模式转变的相场研究

《Journal of Crystal Growth》:Phase-field study of growth regime transition in a stoichiometric phase

【字体: 大 中 小 】 时间:2026年10月24日 来源:Journal of Crystal Growth 2.5

编辑推荐:

   - 增长指数 n 在 1/2 < n < 1 的范围内随系统状态变化。 - 增长机制的转变由扩散-界面动力学之间的竞争所驱动。 - 指数 n 取决于初始条件和模型参数。 - 由此得到的 n 对成分和温度的依赖关系是连续且平滑的。 ## 1. 引言 在经典框架中,二元系统中

  

- 增长指数 n 在 1/2 < n < 1 的范围内随系统状态变化。
- 增长机制的转变由扩散-界面动力学之间的竞争所驱动。
- 指数 n 取决于初始条件和模型参数。
- 由此得到的 n 对成分和温度的依赖关系是连续且平滑的。

## 1. 引言

在经典框架中,二元系统中固定组成相(线性化合物)的生长规律必须由两种极限机制之一来确定[1], [2]。在一种情况下,过程由扩散现象主导,结晶前沿的时间依赖性表现为 x∝t^(1/2)。在另一种情况下,即界面控制的情况下,适用线性规律 x∝t。然而,对于固定组成的相,这一方案并非如此简单。相的固定组成及其热力学描述的特殊性使得直接应用这些概念变得困难,导致生长动力学更加复杂。

大量实验和理论研究表明,相界面和金属间化合物的生长动力学可能显著偏离经典抛物线规律 x∝t^(1/2) [3], [4]。多项研究观察到幂律关系 x∝t^n,其中动力学指数 n≠1/2,取决于过程条件。

现有研究[3], [5]表明,在存在扩散不对称性和热力学驱动力的情况下,n 可在 0.25?n?1 的宽范围内变化。实验观测显示 n≈0.6?0.7 的值,而模拟和理论分析则表明,在强扩散不对称性条件下,可能存在近线性生长机制(n→1),随后随时间推移过渡到菲克(Fickian)机制[6]。

需要注意的是,指数 n 并非恒定不变,可能在过程中发生变化,反映系统的演化以及局部输运机制与扩散输运机制之间的平衡[3]。这表明应将 n 视为依赖于组成、温度和动力学条件的有效量。

尽管观测到的效应多种多样,但对不同生长机制之间转变的全面描述仍然有限:现有的解释通常将观测到的行为归因于界面势垒、扩散不对称性或纳米尺度效应[5], [7]。与此同时,实验和理论数据表明,在真实系统中,这些机制并非严格分离,它们可能同时起作用以建立有效的生长机制。

尽管相场方法得到了广泛应用,但其在线性化合物生长动力学描述中的应用仍然受限。主要挑战在于,此类相的吉布斯能与组成无关,导致浓度导数的缺失[8]。

在一些研究中(例如[9]),通过引入近似来解决这一问题,具体而言,用组成的抛物线函数来替代化合物的吉布斯能。然而,这种近似的参数是任意选取的,可能对计算的生长动力学产生显著影响。避免显式近似的更精确方法也需要关于动力学系数的额外假设,且无法对生长机制之间的转变提供明确的描述[10]。

基于非平衡热力学原理的替代热力学一致模型能够描述扩散控制型和动力学型生长机制。然而,这些模型的应用通常仅限于对单个机制的分析,不包括对转变区域中动力学指数 n 变化的考察[11]。

本研究的目的是在最小热力学一致模型的框架内,对线性化合物的生长过程进行相场分析。重点关注有效动力学指数 n 的变化规律以及扩散控制型和界面控制型机制之间转变的模式,研究其如何依赖于系统状态和过程参数。本文还考察了控制指数 n 变化的机制,这些机制源于相场模型的结构。

## 2. 相场模型

### 2.1. 控制方程

本文采用文献[11]中提出的热力学一致的闭环相场模型,该模型在结构上与文献[10]中的模型相似。序参量 φ(r,t) 在固定组成相中取值 φ=1,在可变组成相(溶液)中取值 φ=0。某组分(杂质)的摩尔分数被指定为溶液中的变量 xS(r,t),在化合物中为常数 xC。为明确起见,后文假设 xS≤xC,尽管模型并未显式施加此条件。

方程组包含两个相互关联的方程,分别描述相场和可变组成相中摩尔分数的演化:

φ? = Mφσ2?2φ ? Wg′ ? p′ΔΩ

(1?p)?S = ?(xC?xS)p′φ? ? ??JD

其中 p′ 和 g′ 分别表示函数 p(φ) 和 g(φ) 关于其自变量的导数,定义为[12]:

p(φ) = φ3(10 ? 15φ + 6φ2)

g(φ) = φ2(1?φ)2

热力学驱动力 ΔΩ 和扩散通量 JD 定义为:

ΔΩ = GC ? GS ? μS(xC?xS)

JD = ?(1?p)MDΛS?xS

各相的摩尔吉布斯能由温度和组成的函数给出:GC = GC(T) 对应固定组成相,GS = GS(xS, T) 对应溶液。化学势及其对组成的导数明确定义为:

μS(xS, T) = ?GS/?xS

ΛS(xS, T) = ?μS/?xS

应注意,上述热力学函数的自变量在此省略。参数 σ2 和 W 通过以下关系式[13]与系统的物理参数——界面厚度 δ 和表面能 χ——相关联:

σ2 = 3χδ

W = 6χ/δ

### 2.2. 物理机制

为了识别模型背后的物理机制,一种方便的做法是通过将相场方程代入浓度方程来消去 φ?。这一过程使得与相变相关的贡献和与杂质扩散相关的贡献能够被清晰地区分开来。

假设界面轮廓在某一近似下保持满足条件 σ2?2φ ? Wg′ = 0 的稳态形状,则 φ? 方程中仅保留与热力学驱动力相关的项。将其代入杂质输运方程,并取 MD=const,得到:

(1?p)?S = (xC?xS)MφΔΩ(p′)2 + MD??[(1?p)ΛS?xS]

溶液中杂质摩尔分数的变化由三个通过 xS 相互关联的贡献决定:生长相对该组分的捕获(xC?xS)、热力学驱动力 ΔΩ 以及扩散输运 ??JD。前两个因素在界面处产生杂质的局域源,而扩散项负责将杂质在整个体积中重新分布。

系统在演化过程中趋向于一个平衡状态,此时 ?S→0,这要求局域贡献和扩散输运被抑制或补偿。

与 (xC?xS)ΔΩ 成正比的局域贡献可以通过两种方式减小至零。在液相线附近,ΔΩ→0,系统接近相平衡,动力学主要取决于扩散。或者,当 xS→xC 时,因子 (xC?xS) 也随之降低,从而无论 ΔΩ 取何值都会抑制局域贡献。

在这两种情况下,浓度对极限值的偏差都很小,即在液相线附近 ΔxS=|xS?xSeq| 和在化学计量组成附近 ΔxS=|xC?xS| 均保持较小。这导致梯度较弱,可变组成相中不会出现充分发展的扩散拖尾。

由于 xS 的增加会导致 ΔΩ 升高而 (xC?xS) 下降,因此存在一个区间,在此区间内两者的贡献相当。在这一区域,控制界面区域组分重新分布的机制发生了变化。

因此,生长机制之间的转变取决于主导因素的转移——从接近相平衡(ΔΩ→0)到两相间浓度差的消失(xC?xS→0)。

在等温表述中,(xC?xS)ΔΩ 对浓度的依赖关系是固定的,因此转变区域的位置保持静止。然而,其有效实现取决于通过扩散通量 ??JD 向相变区域供给或移除组分的速率。

局域贡献的抑制与扩散输运效率之间的关系由相场迁移率 Mφ 与扩散迁移率 MD 的比值决定。当 Mφ?MD 时,扩散通量足以在边界附近重新分布组分,从而维持 ΔΩ 的变化。相反,在相反的极限 Mφ?MD 下,杂质的输运无法跟上前沿的移动,导致 ΔΩ≈const,局域贡献的主要抑制是通过 (xC?xS) 的减小来实现的。

因此,热力学条件 (xC?xS)ΔΩ→0 仅规定了抑制局域贡献的可能机制,而这些机制的实际实现取决于输运动力学,后者依赖于 Mφ 和 MD 的比值。

### 2.3. 数值模型

为了分析固定组成相的生长动力学,在平面前沿近似下考虑一维问题,这对应于界面的局部平坦部分,可以忽略几何效应。

引入无量纲坐标系:

x = δξ,t = t?τ

其中 δ 为界面厚度,t? 为特征时间。通过从相场方程的归一化条件(?2φ 的系数等于一)选择 t?,得到:

t? = δ3Mφ/χ

用无量纲变量表示,方程组取以下形式:

φ? = ?2φ ? 2g′ ? p′ΔΩ?

(1?p)?S = ?(xC?xS)p′φ? + β??[(1?p)Λ?S?xS]

其中 ΔΩ? = δ3χΔΩ,Λ?S = ΛS/ΛCS,β = MDΛCS/(Mφσ2)。

假设 ΛCS = ΛS(xC, T?) 和 MDΛCS = DS 为常数。相场迁移率 Mφ 也被假设为常数。

参数 β 是一个有效控制参数,决定了相场迁移率 Mφ 与扩散迁移率 MD 之间的比值。因此,它决定了界面动力学与扩散输运在系统演化中的相对作用。

### 2.4. 问题的表述与数值模拟的特殊性

方程组在均匀网格上使用有限差分法求解。对相场采用显式格式,对浓度采用半隐式格式;由此产生的三对角方程组使用三对角矩阵算法(TDMA)求解。

为防止 φ→1 时的退化问题,采用 ? 正则化:

?S = [1?p/(1?p)2 + ?]RHS

其中 ? = 10??。

在每一步之后,解被约束在平衡浓度与最大可能浓度之间:

xS ∈ [xSeq, 1.0]

这排除了非物理的浓度值。

计算在区间 ξ∈[ξ1, ξ2] 上进行,步长为 Δξ 和 Δτ。

初始条件:

φ(ξ, 0) = ?(1 ? tanhξ)

xS(ξ, 0) = xS?

在边界处指定诺伊曼(Neumann)边界条件:

φ|ξ=ξ1,ξ2 的 ξ 方向导数 = 0

xS|ξ=ξ1,ξ2 的 ξ 方向导数 = 0

界面位置 ξint 由条件 φ=0.5 确定。为消除右边界的影响,当满足 |xL(ξ2) ? xS?| ≥ 10?? 或 ξint ≥ 0.9ξ2 时,对计算区域进行平移。

场以 ξint 进行平移,在区域外设定以下值:φ=0,xL=xS?,φ?=0。

## 3. 数值模拟

本节展示了化合物生长动力学以及扩散控制型与界面控制型机制之间转变的数值研究。

系统在固定温度和恒定参数 β 下,考察了整个初始浓度范围内的行为,该参数决定了扩散输运与界面运动特征时间的比值。浓度范围限制在液相线和同晶熔点附近的区域,从而可以涵盖两种极限生长机制。

采用 Al–Co 二元体系作为模型体系[14]。研究液态相 L 与化学计量化合物 Al?Co? 之间的相互作用。模拟参数列于表1,待研究状态在相图中(图1)标出。

第3.1节验证了模型再现极限生长规律的能力。分析了 xS? 接近液相线和同晶点的案例,从而能够识别扩散控制型和界面控制型机制。

---

**图1.** Al–Co 相图在液态–Al?Co? 区域的片段。水平轴表示 Co 的摩尔分数 xCo,垂直轴表示温度 T。灰色线表示 Al–Co 体系的平衡相图。黑色实曲线表示 L–Al?Co? 液相线的稳定部分,而黑色虚曲线表示其亚稳延拓。小圆点序列表示在 T=1100、1150、1200、1250 和 1300 K 时数值实验中探索的组成区间。大圆点标记每个区间的边界:L–Al?Co? 液相线上的平衡液态组成 xSeq(T) 以及 Al?Co? 的化学计量组成 xC=0.1818。

**表1.** 数值模拟中使用的模型参数。在单独系列中变化的参数给出了默认值。

| 参数 | 值 |
|------|------|
| 物理参数 | |
| δ | 1.0 nm |
| χ | 1.5 J m?2 |
| DS | 10?? m2 s?1 |
| xC | 0.1818 |
| 数值参数 | |
| Δξ | 0.1 |
| Δτ | 10?3 |
| ξ1, ξ2 | ?10.0, 150.0 |
| 默认值 | |
| Mφ | 10.0 m3 J?1 s?1 |
| T | 1200 K |
| xS? | [0.060, 0.1818] |
| ΔxS? | 0.005 |

第3.2节考察了系统在中间区域的行为。

有效动力学指数 $n$ 由关联式 $\xi_{int}=A\tau^n$ 引入,该式表征界面在稳态下的运动行为,并绘制了 $n=n(x_{S0})$ 的依赖关系。第3.3节"相场迁移率的影响"和第3.4节"温度的影响"分析了模型参数的影响,具体包括相场迁移率 $M_\varphi$ 和温度,从而推导出广义表达式 $n=n(x,\beta)$ 和 $n=n(x,T)$。

### 3.1 经典生长定律

本小节的目的是验证模型能否重现界面在经典扩散控制与界面控制机制下对应的极限生长定律。仿真采用表1中指定的参数值进行。

图2展示了界面无量纲位置 $\xi_{int}$ 对无量纲时间 $\tau$ 的依赖关系,结果对应于不同的初始浓度值 $x_{S0}$。考虑两个特定区域:接近平衡浓度($x_{Seq}=0.055$)和接近一致熔点的浓度 $x_C$ 附近。

拟合质量通过决定系数 $R^2$ 和归一化均方根误差(NRMSE)进行量化,后者定义为均方根误差除以 $\xi_{int,max}$。对于所有拟合曲线,$R^2 \geq 0.9999$,$NRMSE \leq 0.16\%$,表明仿真结果与相应生长定律之间存在高度的定量一致性。

在 $x_{S0}$ 值接近 $x_{Seq}$ 的区域(图2a),界面运动明显减缓。$\xi_{int}(\tau)$ 的依赖关系可由抛物线定律 $\xi_{int} \sim \sqrt{\tau}$ 近似,对应扩散控制的生长机制。

![图2. 不同初始组成 $x_{S0}$ 下界面无量纲位置 $\xi_{int}$ 对无量纲时间 $\tau$ 的依赖关系。(a) 抛物线生长机制:$\xi_{int} \propto \sqrt{\tau}$,对应扩散控制动力学。(b) 线性生长机制:$\xi_{int} \propto \tau$,对应受界面过程限制的动力学。虚线表示对相应依赖关系在不同 $x_{S0}$ 值下的拟合。](https://i.079515.top/0901_0.jpg)

当 $x_{S0}$ 值接近 $x_C$ 时(图2b),$\xi_{int}(\tau)$ 关系变为线性 $\xi_{int} \sim \tau$。这一行为对应界面以近乎恒定的速度运动,表明处于界面控制的机制中,扩散传输不限制生长。

两种极限情形均在单一模型内通过固定的一组参数实现,未引入任何额外机制。这与先前提出的 $\Delta\Omega$ 和 $(x_C - x_S)$ 贡献的竞争机制相一致。$\xi_{int}(\tau)$ 依赖关系的性质由初始条件和相图上的位置决定。

所获得的结果与经典凝固机制理论一致,重现了液相线和一致熔点附近的预期行为,再次证实了模型在极限情况下的有效性。

### 3.2 扩散控制与界面控制生长机制之间的转变

一般而言,初始浓度可取相图中两相区域范围内的任意值。鉴于此,下面将考察系统在先前描述的极限之间中间区域的行为。

为描述生长动力学,界面在有限时间区间 $[\tau_1, \tau_2]$ 内的运动被近似为 $\xi_{int} = A\tau^{n_{fit}}$。

参数 $A$ 和 $n_{fit}$ 通过对数坐标下的最小二乘拟合确定:

$$\log\xi_{int} = n_{fit}\log\tau + \log A$$

若该依赖关系为线性,则拟合斜率也可通过区间端点表示为:

$$n_{fit} = \frac{\log[\xi_{int}(\tau_2)] - \log[\xi_{int}(\tau_1)]}{\log\tau_2 - \log\tau_1}$$

这一表示强调了 $n_{fit}$ 与所选时间区间的关联。此后,为简便起见,将 $n_{fit}$ 记为 $n$。

为确定 $n(x_{S0})$ 的关系,进行了一系列数值计算(类似于3.1节)。

计算结果如图3所示。对于每个 $x_{S0}$ 值,绘制了 $\xi_{int}(\tau)$ 的依赖关系,并以对数坐标呈现。

![图3. 不同初始组成 $x_{S0}$ 下 $\xi_{int}$ 对 $\tau$ 在对数标度下的依赖关系。符号表示仿真结果,虚线表示线性拟合。对数-对数坐标中的斜率对应于关系式 $\xi_{int} \propto \tau^n$ 中的生长指数 $n$。图中标明了 $x_{S0}$ 值及相应的 $n$ 值。](https://i.079515.top/0901_1.jpg)

在考虑的时间范围内,$\log\xi_{int}$ 与 $\log\tau$ 之间的依赖关系近似线性(图3),支持在该区间内使用常数拟合指数。

图显示,随着初始浓度 $x_{S0}$ 的变化,指数 $n$ 也随之改变。在接近平衡组成的区域,观察到 $n \approx 0.5$ 的值,对应扩散控制的生长定律 $\xi_{int} \sim \tau^{1/2}$。随着 $x_{S0}$ 增大,$n$ 也增大,表明扩散约束的减弱。

在中间区域,观察到一种由方程 $\xi_{int} \sim \tau^n$ 描述的生长机制,其中 $0.5 < n < 1$。该机制不对应任何极限情况,反映了扩散传输与相变动力学的共同效应。

在接近一致熔点的区域,$n$ 值趋近于1,对应由定律 $\xi_{int} \sim \tau$ 支配的动力学控制机制。因此,在所考虑的浓度范围内,发生在不同极限生长机制之间的转变,可由关系 $n(x_{S0})$ 描述。

对于图3中在对数坐标下评估的拟合,$R_{\log}^2 \geq 0.9974$,$NRMSE_{\log} \leq 1.24\%$。最大 NRMSE 出现在中间区域,对应转变区域,而整体拟合质量在整个研究的组成范围内仍保持较高水平。

### 3.3 相场迁移率的影响

在上一小节中,在固定模型参数条件下推导了动力学指数 $n$ 与初始浓度 $x_{S0}$ 之间的关系。然而,尚不清楚这种依赖性在多大程度上由模型动力学参数的选择所决定。

为分析这一问题,研究了相场迁移率 $M_\varphi$ 对函数 $n(x_{S0})$ 的影响。计算在固定温度下,对跨越数个数量级的 $M_\varphi$ 值集合进行。初始浓度 $x_{S0}$ 在前述相同范围内变化。

图4展示了几个代表性 $M_\varphi$ 值下的结果。对于较小的迁移率值,$n(x_{S0})$ 的依赖关系在大部分范围内保持接近扩散极限 $n \approx 1/2$,仅在接近一致熔点时才观察到向 $n \approx 1$ 的转变。

随着 $M_\varphi$ 增大,依赖关系的性质发生变化。$n < 1$ 出现的浓度范围变窄,向界面控制机制的转变变得更加急剧。当迁移率值较高时,在 $x_{S0}$ 的大部分范围内适用 $n \approx 1$ 的机制,仅在液相线附近的狭窄区域除外。

因此,方程 $n(x_{S0})$ 不仅取决于初始浓度,还取决于相场迁移率。所获得的结果表明,生长动力学由扩散和界面运动的特征时间之比决定,该比值由包含 $M_\varphi$ 的参数 $\beta$ 给出。机制之间的转变仍然存在,但其宽度和陡峭程度取决于迁移率值。

为总结结果,考察扩展参数空间中动力学指数的依赖关系 $n=n(x_{S0}, M_\varphi)$。

![图4. 不同相场迁移率 $M_\varphi$ 值下生长指数 $n$ 对初始组成 $x_{S0}$ 的依赖关系:(a) $M_\varphi=1.0$ m$^3$J$^{-1}$s$^{-1}$,(b) $M_\varphi=10.0$ m$^3$J$^{-1}$s$^{-1}$,(c) $M_\varphi=100.0$ m$^3$J$^{-1}$s$^{-1}$。符号表示仿真结果;在转变区域,采用更精细的组成步长 $\Delta x_{S0}=0.0025$ 进行了额外仿真。](https://i.079515.top/0901_2.jpg)

图5展示了在 $(x_{S0}, M_\varphi)$ 坐标下基于数值计算插值构建的 $n$ 值分布图。为清晰起见,图中还展示了固定 $n$ 值的等值线。

图5中的分布图使用 PCHIP(分段三次 Hermite 插值多项式)构建。仿真对五个 $M_\varphi$ 值进行,在对数标度下均匀分布于 $1 \leq M_\varphi \leq 100$ 范围内。首先对计算得到的依赖关系 $n(x_{S0}; M_{\varphi,j})$ 进行 PCHIP 插值,用于确定等值线 $n_i$(间隔为 $\Delta n = 0.01$)的坐标。然后将等值线坐标关于 $M_\varphi$ 进行插值,并通过逆映射在规则网格上重建场 $n(x_{S0}, M_\varphi)$,同样使用 PCHIP。该顺序化过程保持了原始依赖关系的单调性,并防止在计算点之间出现虚假极值。

扩散控制生长区域($n \approx 0.5$)位于 $M_\varphi$ 和 $x_{S0}$ 值较低的区域,接近液相线。在参数空间的相反区域,实现了界面控制机制($n \approx 1$),对应 $M_\varphi$ 较大且 $x_{S0}$ 接近一致熔点的值。

![图5. 生长指数 $n$ 在 $(x_{S0}, M_\varphi)$ 坐标下的分布图。颜色标度表示 $n$ 值。实线表示恒定 $n$ 的等值线(图中标注)。](https://i.079515.top/0901_3.jpg)

机制之间的转变在 $1/2 < n < 1$ 的参数区域内进行。等值线 $n=\text{const}$ 在 $(x_{S0}, \log M_\varphi)$ 坐标中具有斜率,表明参数的共同效应:$M_\varphi$ 的增大将转变区域推向较低的 $x_{S0}$ 值。

因此,扩散控制与界面控制机制之间的边界不是固定的,而由初始浓度和相场迁移率的组合决定。计算得到的依赖关系 $n(x_{S0}, M_\varphi)$ 提供了生长动力学的广义描述,其中经典机制对应于极限情况。

### 3.4 温度的影响

接下来研究了温度对动力学指数 $n$ 与初始浓度 $x_{S0}$ 之间关系的影响。数值仿真在不同温度下进行,相场迁移率 $M_\varphi$ 保持不变。

计算针对 $T=1100$ K 至 $1300$ K 范围内的五个温度值进行,步长 $\Delta T=50$ K。对于每个温度,初始浓度 $x_{S0}$ 在两相区域内变化,同时考虑平衡浓度的偏移。

图6展示了不同温度下 $n(x_{S0})$ 的曲线。对于所有考虑的温度,计算得到的指数 $n$ 随 $x_{S0}$ 单调递增,表明从扩散控制机制($n \approx 0.5$)向界面控制机制($n \approx 1$)的转变。

$n(x_{S0})$ 依赖关系的形状与固定温度下获得的结果在定性上一致;然而,其位置取决于 $T$。转变区域的偏移是非线性的。随着温度降低,对应扩散控制机制的区域扩大。然而,随着温度升高,$n<1$ 的值范围显著缩小。

![图6. 不同温度 $T_0$ 下生长指数 $n$ 对初始组成 $x_{S0}$ 的依赖关系:(a) $T_0=1300$ K,(b) $T_0=1250$ K,(c) $T_0=1200$ K,(d) $T_0=1150$ K,(e) $T_0=1100$ K。符号表示仿真结果;在转变区域,采用更精细的组成步长 $\Delta x_{S0}=0.0025$ 进行了额外仿真。](https://i.079515.top/0901_4.jpg)

在高温下,向界面控制机制的转变在狭窄的浓度范围内发生,$n(x_{S0})$ 的依赖关系迅速达到 $n \approx 1$ 的值。

为总结结果,考察参数空间 $(x_{S0}, T)$ 中动力学指数 $n$ 的依赖关系。图7展示了通过对数值数据进行插值生成的 $n$ 图。图中还展示了液相线 L–Al$_9$Co$_2$,该线定义了平衡浓度的温度依赖性及 $x_{S0}$ 有效值区域的上界。

图7中展示的 $n(x_{S0}, T)$ 分布图使用与图5相同的顺序 PCHIP 过程构建。在这种情况下,使用计算得到的依赖关系 $n(x_{S0}; T_j)$,先将等值线坐标关于温度 $T$ 进行插值,然后通过逆映射在规则网格上重建场。

所展示的图表说明了转变区域的位置随温度变化的方式。等值线 $n=\text{const}$ 在 $(x_{S0}, T)$ 坐标中具有斜率,表明两种机制之间转变区域的系统性偏移。随着温度升高,扩散控制与界面控制机制之间的边界向更高的 $x_{S0}$ 值移动。

![图7. 生长指数 $n$ 在 $(x_{S0}, T)$ 坐标下的分布图。颜色标度表示 $n$ 值。实线表示恒定 $n$ 的等值线(图中标注)。粗线对应于 L?Al$_9$Co$_2$ 转变的平衡液相线。](https://i.079515.top/0901_5.jpg)

等值线与相平衡线的行为一致。特别地,$n \approx 1$ 的值范围位于一致熔点附近,该处满足条件 $x_S \approx x_C$。

因此,温度的变化导致生长机制之间的转变区域在相图的参数空间内发生偏移。

### 4. 讨论

数值仿真表明,该模型能重现界面的两种极限生长机制。在液相线附近,适用定律 $\xi \sim t^{1/2}$;在一致熔点附近,则适用 $\xi \sim t$。

两种机制的实现均在统一模型中进行,其确定受到初始条件和系统在相图上位置的影响。在中间区域,从关系 ξ~tn 中观察到动力学指数 n 的连续变化。已证明 n 随初始浓度的增加单调增长,取值范围为 1/21/2 值提供了可能。这些偏差不需要引入额外机制,它们是输运过程之间竞争的结果。

在本模型的框架内,这种解释为与结晶过程相关的各种动力学行为提供了统一描述。它允许在单一模型内解释抛物线和线性生长,同时也解释了过渡机制的存在。

同时,分析基于若干简化假设。考虑了等温条件,未考虑与相密度变化相关的影响。界面的复杂形貌和系统的多组元性质也未予以考虑。这些因素可能显著影响动力学,需要单独分析。

此外,指数 n 与真实系统物理性质之间的解析关系需要进一步研究。

有效生长指数 n 可作为诊断措施。其值提供了对过程主导机制的见解。这使得利用实验测得的 n 值分析复杂系统中的质量输运机制成为可能。

**CRediT 作者贡献声明**

S.A. Korobeynikov:撰写——初稿,方法论,调查,概念化。V.G. Lebedev:撰写——审阅与编辑,可视化。V.I. Lad'yanov:监督,项目管理。

**关于在稿件准备过程中使用生成式AI和AI辅助技术的声明**

在准备本工作过程中,作者使用了 DeepL 和 ChatGPT 来翻译和改进稿件的语言。使用这些工具后,作者对内容进行了审阅和编辑,并承担已发表文章内容的全部责任。

**资助**

本研究由俄罗斯科学基金会资助(RSF),基金号 25-22-20002,https://rscf.ru/project/25-22-20002/。

K.S.A. 和 L.V.G. 获得该基金资助。

S.A. Korobeynikov | V.G. Lebedev | V.I. Lad'yanov
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号