质料中的扩散断定了浸淀、新相变成和微观机闭演化的动力学，并剧烈影响死板和物理机能。因素丰富的质料固有的化学丰富性，给原子扩散修模和化学有序机闭的变成带来了寻事。

　　正在此，加州大学的磋估客员提出了一种神经汇集动力学（NNK）举措，用于预测因素丰富质料中的原子扩散，及其由此发生的微观机闭演化。

　　该框架基于高效的晶格机闭和化学表征，连结人为神经汇集，可以无误预测一齐依赖于道途的迁徙势垒和单个原子跳跃。可扩展的 NNK 框架为查究湮没着杰出属性的空旷组合空间中的扩散闭连属性供应了一条有出息的新途径。

　　正在金属和合金中，扩散历程与介导晶格华夏子跳跃的空隙、点缺陷相闭。基于力场或密度泛函表面的分子动力学 (MD) 修模可探测纳秒工夫标准的原子扩散机造，但大凡无法获取徐徐扩散动力学惹起的微观机闭转移。

　　动力学蒙特卡罗举措(kMC) 用来模仿扩散介导的机闭演化。正在 kMC 模仿中，因为过渡态摸索的打算本钱较高，闭节参数大凡从持续模子参数化。

　　因素丰富合金（CCA）的展示，大凡被称为高熵合金，带来了很多趣味的动力学举动，囊括化学短程有序、浸淀、偏析和辐射缺陷湮灭，这些举动尚未从根底上获得清楚和最终预测。然而，CCA 中的化学丰富性给扩散介导历程的修模带来了新的寻事。

　　呆板练习举措的展示证据懂得决质料科学中涉及非线性互相效力和大范畴组合空间的打算丰富题宗旨潜力。

　　闭于因素丰富的合金中的空隙扩散，一个厉重的闭节参数是扩散能垒 ΔE，即过渡态与初始能量最幼值之间的能量差。因为 CCA 华夏子标准的因素颠簸和多个扩散对象的存正在，需求呆板练习模子来无误预测矢量属性，卓殊是扩散道途闭连的势垒。

　　正在该磋商中，磋估客员提出了一种神经汇集动力学（NNK）计划，来预测和模仿丰富浓缩（concentrated）化学境况中扩散诱导的化学和机闭演化。

　　下图 a 为晶格机闭和化学默示，个中带有空隙的初始原子构型被编码成数字矩阵或神经元图。数字（1、2 和 3）代表相应的原子类型，0 默示空隙。然后，这些矢量化数字被传达到 NNK 模子并用作输入神经元。

　　NNK 由人为神经汇集和神经元动力学模块构成。引入的神经汇集（拥有两个以上的湮没层）旨正在练习输入神经元（即原子和空隙）之间的非线性互相效力，并输出扩散能垒。值得属意的是，该汇集仅操纵空隙及其相邻神经元行动输入，从而导致打算本钱较低且恒定，而不会放弃切实性。

　　神经元动力学模块采用动力学蒙特卡罗举措，诈欺与每条扩散道途闭连的可用势垒举行扩散动力学演化。只需将原子构型一次性转换为神经元图，就能够通过调换神经图的两位数字来模仿空隙跳跃和化学演化。通过这种办法，能够有用地对数百万个空隙跳跃举行修模，每次跳跃迭代仅涉及两个神经元的举措。

　　磋估客员操纵 NNK 和 bcc NbMoTa 行动模子体例，查究了扩散动力学介导的化学排序和 B2 相变成，并揭示了 CCA 固有的失常扩散（扩散多重性）。

　　创造了临界温度的存正在，正在该温度下 B2（B2 晶胞拥有方便的 bcc 机闭，由 Ta 和 Mo 两种物质构成，有序位子于立方角或核心）有序到达最大值。化学有序的温度依赖性与潜正在的晶格跳跃随机性亲密闭连。

　　正在靠近熔点的高温下，扩散跳跃最终靠近纯粹的随机历程，对应于有序变成的低偏向。正在低温下，晶格扩散由最低势垒道途主导，浮现为定向跳跃并控造化学有序机闭的成核。正在中央局限的临界温度下，随机和定向型晶格跳跃遍布悉数体例，浮现出最高的扩散异质性（多重性）。

　　通过正在退火历程中跟踪各个 B2 团簇，创造它们的成核和滋长是间歇性且不服均的，并伴跟着幼团簇的省略和湮灭。操纵随机原子类型调换的基于虚拟热力学的修模并未缉捕 B2 机闭动力学延长的这一明显特质，该模子显示出更平均的延长。

　　这些结果凸显了 CCA 走向坚固形态的丰富且繁多的动力学途径，个中有序机闭成核、湮灭、滋长和重排等很多历程互相效力和调和。

　　对数十种因素举行锻炼的神经汇集浮现了对未见因素的高机能，揭示了 Nb-Mo-Ta 的悉数三元空间。因为构图的打算空间险些是无尽的，通过搀和多种元素变成的构图丰富的质料开拓了一个有待查究的新范围。

　　通过直接将多维因素与扩散势垒谱联络起来，NNK 为查究 CCA 的空旷因素空间指懂得一条光辉的道道，个中湮没着杰出的动力学性情。