Моделирование влияния радиации на материалы

Период выполнения работ: 2026-2029 гг.

 

В данном проекте предполагается использовать машиннообученные потенциалы межатомного взаимодействия для моделирования каскадов при радиационном облучении карбида кремния. Мы будем изучать влияние аморфности и зерен на процессы диффузии продуктов распада в карбиде кремния. Данный проект подразумевается совместную работу с коллегами из Сколтеха и университета Цинхуа (Китай). В ходе проекта мы будем использовать машинно-обученные потенциалы межатомного взаимодействия, методология построения которых представлена на рисунке.

 

Поиск радиации

 

План работ:

 

  • Задача 1

Изучение процесса аморфизации SiC в условиях облучения. По результатам данной работы планируется сделать переоценку результатов, представленных в работе [Katoh (2012)]. Мы изучим стабильность структур SiC при облучении и развитие дефектов в облученном поликристаллическом SiC при различных микроструктурах. Из широкомасштабного молекулярного моделирования с использованием машинно обученных потенциалов межатомного взаимодействия мы получим результаты, касающиеся характеристик дефектов и зёрен. Анализируя эти результаты, мы объясним процессы аморфизации в условиях облучения.

В рамках задачи предполагается использовать молекулярное моделирование с машинно обучаемым потенциалом межатомного взаимодействия MTP для изучения влияния облучения на политипы SIC. Потенциал будет обучен на структурах кристаллического SiC, SiC с различными дефектами и структурах межзерновых границ.  В активном обучении, реализованном в MLIP, мы дообучим потенциал на структурах, образующихся при моделировании облучения методом primary knock-on atom (PKA). Обученный потенциал будет использован в молекулярном моделировании для расчёта энергетических параметров дефектов и зёрен. Планируется изучение стабильности политипов SiC при облучении, методом моделирования с PKA, а также исследование механизмов развития образующихся дефектов. 

 

  • Задача 2

Изучение диффузии продуктов распада в кристаллическом и аморфном SiC, а также их диффузии в межзеренных границах SiC. Будут проведены расчеты коэффициентов диффузии продуктов распада топлива в структурах с различными типами зерен. Оценка точности измерения коэффиентов диффузии будет проведена путем сравнения результатов моделирования в рамках DFT и MTP для конкретных атомов с использованием метода nudged elastic band (NEB). Российско-китайским коллективом уже разработана методология подобных расчетов [Li (2026)].

В рамках задачи российским коллективом будет собран разнообразный набор данных для обучения потенциалов межатомного взаимодействия, при этом будет использованы DFT расчёты в рамках обменного функционала PBE и PAW псевдопотенциалов. Обучающая выборка будет содержать структуры из:

    •  объёмной фазы политипов SiC (3C, 4H, 6H),
    • точечных дефектов (вакансий, междоузельных атомов, антиструктурных дефектов) и их кластеров,
    • различных типов границ зёрен и высокоугловых случайных границ зёрен),
    • атомов продуктов распада топлива (Ag, Pd, Cs, Ru, I, Sr) и их небольшие кластеры (димеры, тримеры, тетрамеры) в междоузельных позициях, позициях замещения и на границах зёрен,
    • конфигурации, содержащие пары различных продуктов распада топлива, находящиеся в междуузлиях,
    • конфигурации из путей прыжковой диффузии для соответствующих атомов, полученные методом NEB.

Ожидаемый размер обучающей выборки составляет 15000-20000 различных структур.

Обучение потенциала межатомного взаимодействия MTP будет проведено в пакете MLIP с использованием активного обучения для добавления структур, которые не были учтены в собранной обучающей выборке. Валидация качества обучения MTP будет проведена на "отложенной" выборке структур. Мы ожидаем получить ошибки по энергиям и силам не более 5 мэВ на атом и 100 мэВ/Å, соответственно. Используя обученный потенциал, мы проведём молекулярное моделирование с целью расчёта коэффициентов диффузии продуктов распада топлива (Ag, Pd, Cs, Ru, I, Sr) в различных структурах, в частности, в кристалле SiC, SiC с описанными выше дефектами и в межзерновых границах. Для определения коэффициентов диффузии методом Эйнштейна будут использоваться данные среднеквадратичного смещения, полученные на молекулярно динамических траекториях длиной от 50 до 100 нс. Расчёты будут проведены при температурах от 800 до 1800 К. Для систем, где прыжковая диффузия атомов имеет большие времена между событиями, мы используем техники моделирования temperature-accelerated dynamics (TAD) и temperature-accelerated dynamics, которые позволят собрать необходимую статистику для редких событий диффузии атомов. В рамках аппроксимации уравнением Аррениуса будут получены энергии активации и предэкспоненциальные коэффициенты. Расчёты методом NEB с использование VTP в качестве потенциала взаимодействия будут использованы для определения путей с минимальной энергией и конфигурации, отвечающие седловым точкам, для диффузионного скачка каждого типа атомов.

 

  • Задача 3

Построение фазовой диаграммы SiC в широком диапазоне температур и давлений. Опираясь на результаты работ по фазовым диаграммам, приведенные в других работах исследовательской группы, мы займемся построением фазовой диаграммы карбида кремния.

 

  • Задача 4

Основываясь на экспериментальных данных китайской стороны, мы будем изучать термодинамику различных возможных соедений продуктов распада. Для этого будет проведен поиск всех возможных термодинамически стабильных бинарных (а может тернарных) соединений в химическом пространстве, образованном продуктами распада (Cs, Sr, Pd, Ru, I, Ag и других). В случае обнаружения новых соединений, не представленных в материаловедческих базах данных, мы также изучим их динамическую стабильность и оценим влияние температуры на стабильность.

Для решения данной задачи будут использованы в том числе универсальные потенциалы, способные описывать широкий диапазон веществ в пределах одного класса материалов. Такие потенциалы формируются на основе объединённых обучающих выборок, охватывающих разнообразные химические составы, кристаллические структуры и термодинамические условия внутри данного класса. Мы будем использовать потенциалы MatterSim, MACE, GRACE.

Научный руководитель

  • Рыбин Никита Евгеньевич ,

    Рыбин Никита Евгеньевич

    Доцент ИИКС НИЯУ МИФИ, старший научный сотрудник Сколтеха, генеральный директор ООО Цифровые материалы, преподаватель МФТИ. Закончил физический факультет НГУ (физика), магистратуру Сколтеха (материаловедение) и получил степень PhD (физика) в Гумбольдтовском университете. Занимаюсь вычислительным материаловедением: поиском новых материалов с определенными свойствами, расчетами физико-химических свойств молекулярных электролитов и расплавов солей, методиками расчета теплопроводности и электрон-фононных взаимодействий в кристаллических телах.

Свяжитесь с нами

Можешь написать свой вопрос нам в социальные сети или оставить обращение через форму
Имя
Телефон
E-mail
Нажимая на кнопку, я соглашаюсь на обработку персональных данных