Data science-assisted mesoscale microstructural prediction method for developing high-performance materials via grain boundary engineering

点击翻译按钮获取中文摘要

材料特性の巨視的特性を向上させるためには，メゾスケールの材料組織の適切な設計が鍵となる．特に，焼鈍過程における再結晶・粒成長現象を通じた粒界性格分布の制御，すなわち粒界工学の技術は，合金化に頼らない省資源・省エネルギー材料開発において極めて重要な役割を有する．粒界工学に基づく材料開発を加速させる上では，数値解析による系統的な組織予測が有望である．しかしながら，粒界性格分布の予測において不可欠な「粒界物性の異方性」と「焼鈍双晶形成」の表現を完備したメゾスケールモデルは未だ存在せず，数値解析の実応用は停滞している．本研究は，データ科学の援用により，原子スケールの分子動力学（MD）解析を上位スケールのフェーズフィールド（PF）法解析へと定量的に融合させることで，物性異方性と新規結晶の核形成を正確に反映したメゾスケール焼鈍組織予測を初めて可能とし，粒界工学の高度化に向けた新技術の提示を図るものである．本年度は，粒界物性の異方性の評価・取得手法の確立に注力し，下記の成果を得た．まず，粒界異方性を考慮したPFモデルに対し，アンサンブルカルマンフィルタによるデータ同化を介してMD粒界移動シミュレーションを統合することで，PFモデルに含まれる未知パラメータ（各粒界面方位に対する粒界エネルギー）を同定する異方性物性取得法を開発した．これにより，粒界面方位に応じた粒界エネルギー変化を，一度の計算でさまざまな面方位に対して一挙に評価することが可能となった．次いで，複数の粒界の交わる粒界多重点の特性（有限易動度）を考慮できるようPFモデルに改良を加え，有限易動度を表現するパラメータをデータ同化により同定することで，多重点の特性を評価可能とする手法を構築した．多重点の易動度は，組織予測において重要でありながら実験測定が極めて難しい物性値であり，本実績は材料工学・科学双方の観点から大きな意義を有する．