从机器学习的视角定量观察非晶材料的塑性变形机制

从机器学习的视角定量观察非晶材料的塑性变形

晶材料又称为无定型或者玻璃态材料，其分子排列并不具有晶体材料那样的周期性和平移对称性。但是其具有的高强度、高硬度和抗腐蚀性能使得它具有晶体材料所不具有的优势。但是它本身同时具有的脆性却限制了非晶材料的应用前景。过去的几十年，人们深入研究了非晶材料塑性变形的机制，认为晶格排列稀疏的区域是造成非晶材料塑性的原因。但是人们对这种流动性的缺陷区域的理解仍然很初步，还需要进一步的深入研究。

图1 晶体材料与非晶材料塑性变形机制的比较

最近，中国香港城市大学机械工程系杨勇教授在Science China Materials上发表观点文章：“Softness” as the structural origin of plasticity in disordered solids: a quantitative insight from machine learning。从机器学习的视角，定量地对非晶材料塑性的结构起源进行了讨论。

杨勇教授以近期发表在Science上一篇研究论文为起点，从理论上定量描述了非晶固体中的“Softness”机制。之后，作者回顾了在“Softness”机制提出之前人们对非晶固体塑性机制的研究历程。

从基础理论上看，非晶固体的物理软化与粒子间势能有关，作者结合前人的研究成果，给出了非晶玻璃中原子间相互作用的势能图像。并认为非晶固体的弹性变形是影响势能的主要原因。结合中子散射的结果，指出由于非晶固体并非是一种热力学稳定状态，因此原子间距离的分布函数相较晶体而言更宽，并总结了各种非晶材料屈服强度与杨氏模量的关系。作者还比较了晶体材料与非晶材料塑性变形的不同机理以及强度尺寸效应对应力的影响。

最后，作者认为由机器学习法引出“Softness”的物理意义仍不清楚，研究机器学习引出的概念与非晶固体中的物理“Softness”之间的关系是今后这个领域的一个有趣的话题，有望揭开非晶固体中塑性起源的秘密。

原文：

Xiaodi Liu, Fucheng Li and Yong Yang

“Softness” as the structural origin of plasticity in disordered solids: a quantitative insight from machine learning