水素脆性解明のための高速かつ高精度なAIポテンシャル

本論文は、高強度鋼における水素脆性（HE）の理解に不可欠なFe-H系のための新しい機械学習原子間ポテンシャル（MLIP）を提示しています。重要な貢献は、高精度（DFTレベル）と計算効率のバランスであり、既存のMLIPを大幅に改善しています。明示的な訓練データなしでも、粒界挙動のような複雑な現象を予測できるモデルの能力は特に注目に値します。この研究は、HEの原子スケールでの理解を深め、そのようなモデルを構築するための一般化可能な方法論を提供します。

• •Fe-H系のための、高精度かつ計算効率の高い新しいMLIPを開発。
• •ポテンシャルは、粒界挙動のような複雑な現象を正確にモデル化。
• •この方法論は、他の材料に対しても同様のモデルを構築するための一般化可能なアプローチを提供する。
• •水素脆性の原子スケールでの理解を大幅に向上。