原子从一个位置扩散到另一个位置的过程在许多重要过程中起到重要作用，比如沉淀和成核。复杂材料由于本征的化学成分复杂，因此原子扩散的建模以及形成规则结构非常困难。

有鉴于此，加州大学Penghui Cao等报道神经网络动力学预测和模拟扩散能够对处于复杂化学环境的材料化学和结构变化进行预测。

主要内容

（1）

这个方法能够将人工神经网络并且对晶格结构和化学表示进行精确的对原子移动的各种能垒、单个原子之间跃迁的情况进行预测。

（2）

研究了NbMoTa合金随温度变化的局部化学原子排列，发现临界温度B2原子排列具有最大的可能性。原子跳跃的随机分布图结果发现在这个温度附近具有最显著的扩散不均匀特征，这与原子有序排列以及B2结构的形成密切相关。这个NMK神经网络方法有助于研究材料的扩散有关性质以及材料有可能具有的隐藏的优异性能。

参考电竞投注官网

Xing, B., Rupert, T.J., Pan, X. et al. Neural network kinetics for exploring diffusion multiplicity and chemical ordering in compositionally complex materials. Nat Commun 15, 3879 (2024).

DOI: 10.1038/s41467-024-47927-9

https://www.nature.com/articles/s41467-024-47927-9