Hybrid kinetic Monte Carlo algorithm for strongly trapping alloy systems
Hybrid kinetic Monte Carlo algorithm for strongly trapping alloy systems
复制标题
用于强捕获合金系统的混合动力学蒙特卡罗算法
DOI：
10.1016/j.commatsci.2019.109386
复制
发表时间：
2020
影响因子：
3.3
通讯作者：
Bellon, Pascal
中科院分区：
文献类型：
--
作者：
Daniels, Craig;Bellon, Pascal
选择的溶质原子可以强烈地与合金系统中点缺陷相互作用并减缓其扩散。虽然这样的添加可以是有益的，例如，以促进在热退火期间或在高能粒子照射期间的微结构稳定性，但当使用原子技术（例如，动力学蒙特卡罗（KMC）模拟）来模拟这些演变时，它们产生了显著的计算挑战。溶质原子团簇所形成的能量盆地中的点缺陷陷阱导致了停留时间较短的状态频繁重访，这大大降低了传统KMC算法的效率。我们在这里介绍一个混合算法，结合和扩展两个先前的KMC算法，链KMC和平衡盆KMC。这种混合算法，被称为平衡链算法，利用链KMC如前所述，但利用数据处理框架，建立一个占用分布的盆地，允许平衡盆地假设进行统计测试和应用。针对面心立方晶格上的A-B模型陷阱合金体系，通过对传统KMC算法和加速KMC算法的盆退出和团簇溶解动力学的统计比较，验证了新算法的准确性和有效性.我们还讨论了我们的算法的背景下，其他加速KMC算法。
Selected solute atoms can strongly interact with and slow down the diffusion of point defects in alloy systems. While such additions can be beneficial, for instance to promote microstructural stability during thermal annealing or during irradiation by energetic particles, they create significant computational challenges when simulating these evolutions using atomistic techniques such as kinetic Monte Carlo (KMC) simulations. Point defect trapping in energy basins created by clusters of solute atoms leads to frequent re-visiting of states with short residence times, which dramatically reduces the efficiency of traditional KMC algorithms. We introduce here a hybrid algorithm that combines and expand on two prior KMC algorithms, the Chain KMC and the equilibrating basin KMC. This hybrid algorithm, referred to as the Equilibrating Chain algorithm, utilizes Chain KMC as previously reported, but leverages the data-handling framework to build an occupation distribution of the basin, allowing the equilibrating basin assumption to be statistically tested and applied. For a model A-B trapping alloy system on a face-centered cubic lattice, statistical comparisons of basin exit and cluster dissolution kinetics between traditional and accelerated KMC algorithms are presented to demonstrate the accuracy and the efficiency of the new algorithm. We also discuss our algorithm in the context of other accelerated KMC algorithms.
登录
查看更多内容
金属中的杂质扩散理论
DOI：
--
发表时间：
1964
期刊：
影响因子：
--
作者：
A. Claire
通讯作者：
A. Claire
原子动力学蒙特卡罗模型的高效能盆寻找方法
影响因子：
3.3
作者：
S. Dokukin;S. Kolesnikov;A. Saletsky
通讯作者：
A. Saletsky
Bootstrap 方法：经典理论和最新发展
DOI：
10.1002/9781118445112.stat04579.pub2
发表时间：
2018
期刊：
Wiley StatsRef: Statistics Reference Online
影响因子：
--
作者：
Honglang Wang;W. Tu
通讯作者：
W. Tu
影响因子：
3.4
作者：
Athenes, Manuel;Kaur, Savneet;Jourdan, Thomas
通讯作者：
Jourdan, Thomas
晶体合金中的动力学蒙特卡罗模拟：原理和选定的应用
DOI：
--
发表时间：
2003
期刊：
影响因子：
--
作者：
P. Bellon
通讯作者：
P. Bellon