機械学習ポテンシャルによる超伝導体の放射線損傷研究

この論文は、核融合炉などでの応用において重要な、高温超伝導体（HTS）であるYBa2Cu3O7-δ（YBCO）における放射線損傷の正確なモデリングの必要性に取り組んでいます。著者は、既存の経験的モデルの限界、特に酸素欠損YBa2Cu3O7-δ組成の記述を克服するために、機械学習された原子間ポテンシャル（ACEおよびtabGAP）を活用しています。この研究の重要性は、より高い忠実度で放射線損傷を予測し、欠陥生成、カスケード進化、および非晶質領域の形成に関する洞察を提供できることにあります。これは、過酷な放射線環境におけるHTSテープの性能と耐久性を理解するために重要です。

• •機械学習された原子間ポテンシャル（ACEおよびtabGAP）は、経験的モデルと比較して、YBCOにおける放射線損傷のより正確なモデリングを提供します。
• •これらのモデルは、DFTエネルギーを正確に再現し、欠陥生成と再結合を含むカスケード進化を予測します。
• •総欠陥生成は酸素化学量論に弱く依存し、放射線損傷プロセスの堅牢性に関する洞察を提供します。
• •シミュレーションは、実験的観察と一致する超伝導コヒーレンス長に匹敵する非晶質領域を明らかにします。