位错系统的原子级数字孪生模型

《National Science Review》：An atomic-scale digital twin of dislocation systems

　　

摘要

位错是材料塑性的主要载体，它们决定了从金属到半导体等各种晶体材料的机械性能。位错的原子级行为受到包括结构、应力、能量和化学环境在内的多维场的影响，这些因素决定了其自身的运动性以及与其他缺陷的相互作用。然而，同时捕获这些多维信息一直是一个长期存在的挑战，因为原子分辨率的图像主要揭示了诸如原子位置之类的结构特征，而其他关键因素则被隐藏了起来。在这里，我们介绍了一个基于机器学习的框架 AtomDiT，它可以直接从高分辨率显微照片生成位错的数字孪生体。AtomDiT 利用原子模拟来了解局部原子环境与多维场之间的关系，并将这些知识应用到实验图像中。通过单张图像，它可以识别位错类型和核心位置，并构建周围的机械和化学场。AtomDiT 可以应用于各种晶体结构、位错类型、化学复杂性和变形状态。通过这个数字孪生体，我们揭示了应力和元素分布如何调节位错与界面的相互作用，为化学和结构复杂的系统中的塑性提供了机械学上的见解。这个数字孪生体基于实验测量得到的原子结构，直接作为介观尺度和连续介质层面塑性模型的数据基础，将原子尺度的缺陷动力学与更高尺度的材料行为联系起来。