Entwicklung eines effizienten Verfahrens zum Abtasten und Darstellen des Raums der Korngrenzengeometrie und -zusammensetzung: Atomistische Simulationen in Kombination mit statistischer Methodik
Mechanische Eigenschaften von metallischen Werkstoffen und ihre mikrostrukturellen Ursachen
Zusammenfassung der Projektergebnisse
Um moderne Methoden der datenbasierten Materialwissenschaft effizient nutzen zu können, sind erhebliche Mengen von Daten über die Mikrostrukturen von Materialien erforderlich. Eine wichtige Klasse von Elementen der Mikrostrukturen sind ihre inneren Grenzflächen, an denen zwei verschiedene Regionen von Kristallen mit unterschiedlicher Orientierung, Zusammensetzung und/oder Gitterstruktur aufeinandertreffen. Korngrenzen, ein Beispiel der ersten Kategorie, haben einen erheblichen Einfluss auf die mechanischen und funktionalen Eigenschaften des Materials. Sie können durch Segregation von Legierungselementen beeinflusst werden, was zu Veränderungen in der Korngrenzenenergie, Mobilität, Struktur und Kohasion führt. In diesem Projekt fördern wir die datenbasierte Materialwissenschaft, indem wir ein selektives und effizientes Hochdurchsatz-Berechnungsverfahren etablieren, um solche Korngrenzenenergien mittels atomistischer Simulationen zu bestimmen. Wir haben den dafür notwendigen Algorithmus entwickelt, der Ansätze der statistischen Versuchsplanung und aktuelle Entwicklungen in der atomistischen Modellierung von Korngrenzenstrukturen nutzt. Im Gegensatz zu herkömmlichen Hochdurchsatzverfahren ist die neue Variante der statistischen Versuchsplanung in Kombination mit nichtparametrischer Schätzung in der Lage, die relevantesten Bereiche des Korngrenzen-Parameterraums selbständig zu identifiziern und zu bewerten. Das resultierende Schema kann verwendet werden, um Korngrenzenenergien als Funktion der Geometrie als Grundlage für thermodynamische und kinetische sowie mikromechanische Modellierungen bereitzustellen. Darüber hinaus werden die Erkenntnisse zu einer effizienteren Planung von Simulationen und Experimenten für Untersuchungen anderer multidimensionaler, nichtlinearer Beziehungen beitragen.
Projektbezogene Publikationen (Auswahl)
-
Asymptotic equivalence for nonparametric regression with dependent errors: Gauss–Markov processes. Annals of the Institute of Statistical Mathematics, 74(6), 1163-1196.
Dette, Holger & Kroll, Martin
-
Efficient Prediction of Grain Boundary Energies from Atomistic Simulations via Sequential Design. Advanced Theory and Simulations, 5(7).
Kroll, Martin; Schmalofski, Timo; Dette, Holger & Janisch, Rebecca
-
Towards active learning: A stopping criterion for the sequential sampling of grain boundary degrees of freedom. Materialia, 31, 101865.
Schmalofski, Timo; Kroll, Martin; Dette, Holger & Janisch, Rebecca
-
Effects of mechanical stress, chemical potential, and coverage on hydrogen solubility during hydrogen-enhanced decohesion of ferritic steel grain boundaries: A first-principles study. Physical Review Materials, 8(7).
Azócar Guzmán, Abril & Janisch, Rebecca
-
Optimal designs for regression on Lie groups
Chakraborty, S., Dette, H. & Kroll, M.
-
Sampling of the multidimensional parameter space of grain boundary energies with atomistic simulations and statistical methods. PhD thesis, Ruhr-University Bochum
Schmalofski, T.
