論文の概要: Revealing the dynamic responses of Pb under shock loading based on DFT-accuracy machine learning potential

• arxiv url: http://arxiv.org/abs/2511.12995v1
• Date: Mon, 17 Nov 2025 05:38:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:24.688848
• Title: Revealing the dynamic responses of Pb under shock loading based on DFT-accuracy machine learning potential
• Title（参考訳）: DFT精度機械学習電位に基づく衝撃荷重下におけるPbの動的応答の解明
• Authors: Enze Hou, Xiaoyang Wang, Han Wang,
• Abstract要約: 衝撃波の荷重下では、Pbの動的力学挙動は塑性変形と衝撃誘起相転移という2つの重要な現象を含む。 新たに開発したPb-Sn合金に対する機械学習の可能性を利用して, 衝撃荷重による組織変化を再考した。 その結果, Pbの[001]方向に沿った衝撃荷重は, 高速で可逆的で, 大規模な相転移と積層断層の進展を示すことがわかった。
• 参考スコア（独自算出の注目度）: 7.249532845044911
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lead (Pb) is a typical low-melting-point ductile metal and serves as an important model material in the study of dynamic responses. Under shock-wave loading, its dynamic mechanical behavior comprises two key phenomena: plastic deformation and shock induced phase transitions. The underlying mechanisms of these processes are still poorly understood. Revealing these mechanisms remains challenging for experimental approaches. Non-equilibrium molecular dynamics (NEMD) simulations are an alternative theoretical tool for studying dynamic responses, as they capture atomic-scale mechanisms such as defect evolution and deformation pathways. However, due to the limited accuracy of empirical interatomic potentials, the reliability of previous NEMD studies is questioned. Using our newly developed machine learning potential for Pb-Sn alloys, we revisited the microstructure evolution in response to shock loading under various shock orientations. The results reveal that shock loading along the [001] orientation of Pb exhibits a fast, reversible, and massive phase transition and stacking fault evolution. The behavior of Pb differs from previous studies by the absence of twinning during plastic deformation. Loading along the [011] orientation leads to slow, irreversible plastic deformation, and a localized FCC-BCC phase transition in the Pitsch orientation relationship. This study provides crucial theoretical insights into the dynamic mechanical response of Pb, offering a theoretical input for understanding the microstructure-performance relationship under extreme conditions.
• Abstract（参考訳）: 鉛(Pb)は典型的な低融点延性金属であり、動的応答の研究において重要なモデル材料である。 衝撃波の荷重下では、その動的力学的挙動は、塑性変形と衝撃誘起相転移の2つの重要な現象を含む。 これらのプロセスの根底にあるメカニズムはまだ理解されていない。 これらのメカニズムの解明は、実験的なアプローチでは依然として困難である。 非平衡分子動力学(NEMD)シミュレーションは、欠陥の進化や変形経路といった原子スケールのメカニズムを捉えるため、動的応答を研究するための代替理論ツールである。 しかし、経験的原子間ポテンシャルの精度が限られているため、従来のNEMD研究の信頼性が疑問視されている。 新たに開発したPb-Sn合金の機械学習電位を用いて, 各種衝撃方向下での衝撃荷重に対する微構造変化について再検討した。 その結果, Pb の[001] 方向に沿った衝撃荷重は, 高速かつ可逆的で, 大規模位相遷移と積層欠陥の進展を示すことがわかった。 Pbの挙動は, 塑性変形時のツインニングの欠如により, 従来の研究と異なる。 011] 配向に沿って荷重をかけると、遅くて不可逆な塑性変形が起こり、ピッチ配向関係における局所的なFCC-BCC相転移が起こる。 本研究はPbの動的力学的応答に関する重要な理論的知見を提供し、極端条件下でのミクロ構造と性能の関係を理解するための理論的インプットを提供する。

関連論文リスト

• A physics-aware deep learning model for shear band formation around collapsing pores in shocked reactive materials [2.8897045834881343]
  本研究は, 弱い加圧を受ける結晶性エネルギー材料 (EM) におけるホットスポットの形成について検討した。 直接数値シミュレーションに伴う計算課題を克服するため,物理対応リカレント畳み込みニューラルネットワーク(PARCv2)を進歩させる。 PARCv2は、フーリエニューラル演算子とニューラル常微分方程式という、広く使われている2つの物理インフォームドモデルに対してベンチマークされる。
  論文  参考訳（メタデータ） (2025-10-08T14:20:49Z)
• Barriers for Learning in an Evolving World: Mathematical Understanding of Loss of Plasticity [41.584807567389625]
  可塑性の喪失(LoP)は、ディープラーニングモデルの将来的な学習能力の低下である。 本研究は,勾配に基づく学習におけるLoPの第一原理的研究である。
  論文  参考訳（メタデータ） (2025-09-30T21:49:50Z)
• Modeling Membrane Degradation in PEM Electrolyzers with Physics-Informed Neural Networks [45.32169712547367]
  プロトン交換膜 (PEM) 電解器は持続可能な水素製造に重要である。 長期的な性能は膜劣化によって妨げられ、信頼性と安全性の課題を引き起こす。 従来の物理学に基づくモデルが開発され、解釈可能性を提供しているが、測定や校正が難しい多くのパラメータを必要とする。 本研究では,PEM電解器の膜劣化をモデル化するための物理インフォームドニューラルネットワーク(PINN)の最初の応用について述べる。
  論文  参考訳（メタデータ） (2025-06-19T15:46:49Z)
• Coupled reaction and diffusion governing interface evolution in solid-state batteries [4.707991478885645]
  我々は、対称電池セルの量子精度で、大規模で明示的な反応シミュレーションを行う。 我々はSEI生成の実験的観察と,デンドライト開始に重要なLiクリープ機構の解明について説明する。 我々のアプローチは、実験に適合する調整可能なパラメータを使わずに、デジタル双生児を第一原理から切り離すことです。
  論文  参考訳（メタデータ） (2025-06-12T17:49:05Z)
• Tight Stability, Convergence, and Robustness Bounds for Predictive Coding Networks [60.3634789164648]
  予測符号化(PC)のようなエネルギーベースの学習アルゴリズムは、機械学習コミュニティにおいて大きな注目を集めている。 動的システム理論のレンズを用いて,PCの安定性,堅牢性,収束性を厳密に解析する。
  論文  参考訳（メタデータ） (2024-10-07T02:57:26Z)
• A Roadmap for Simulating Chemical Dynamics on a Parametrically Driven Bosonic Quantum Device [32.65699367892846]
  ボソニック超伝導Kerr-catデバイスを用いた反応力学シミュレーションの実現可能性について検討した。 このアプローチは、二重井戸自由エネルギープロファイルを定義するパラメータを制御し、温度や反応座標と非反応性自由度の熱浴との間の結合強度などの外部要因を制御できる。
  論文  参考訳（メタデータ） (2024-09-19T22:43:08Z)
• Dynamics of quantum discommensurations in the Frenkel-Kontorova chain [30.733286944793527]
  本稿では,Frenkel-Kontorovaモデルの具体的実装における欠陥がトポロジ的欠陥の性質に与える影響について検討する。 我々はソリトンの伝播と散乱を分析し、これらの過程に影響を与える量子ゆらぎと不完全性の役割を調べる。
  論文  参考訳（メタデータ） (2024-01-23T10:12:45Z)
• Machine Learning for Polaritonic Chemistry: Accessing chemical kinetics [0.0]
  我々は、密度汎関数理論計算と分子動力学を用いて訓練された機械学習(ML)モデルの組み合わせに基づく枠組みを確立する。 我々は, 1-フェニル-2-トリメチルシリルアセチレンの脱保護反応における強結合, 反応速度定数の変化, エンタルピーおよびエントロピーへの影響を評価した。 我々は、特に運動学の変化に関して、批判的な実験的な観察と質的な一致を見いだす一方で、過去の理論的予測との違いも見いだす。
  論文  参考訳（メタデータ） (2023-11-16T10:08:44Z)
• A Planning-and-Exploring Approach to Extreme-Mechanics Force Fields [1.223779595809275]
  我々は、ひずみ状態の空間のプリサンプリングとアクティブラーニング技術を組み合わせることで、骨折のためのニューラルネットワークベースの力場、NN-F$3$を開発する。 NN-F$3$の能力は、モデル問題としてh-BNおよびツイスト二層グラフェンの破断を研究することによって実証される。
  論文  参考訳（メタデータ） (2023-10-30T06:59:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。