ИСТИНА

The project involves the development of the multilevel model of macroscopic deformation of pure FCC metals and aluminum-copper alloys in the framework of the hybrid approach (the use of cellular automata and artificial neural networks). The formulated theoretical model will predict the distribution of deformations in the material, on the basis of which it is possible to study the strain localization during external loading. The proposed theoretical model will describe the macroscopic deformation in pure FCC aluminum and copper, aluminum alloy hardened by nanosized clusters and the solid solution of copper atoms in the aluminum crystal (2 and 5 at.%), valid in a wide range of strain rates (10^{4} - 10^{10} 1/s) and temperatures. The relevance of the poject is related to the fact that the strain localization has a significant impact on the deformation behavior, fracture and fatigue characteristics of metals and alloys. The strain localization leads to the appearance and growth of pores in shear bands and further destruction of the material, the manifestation of intermittent plasticity (the Portevin-Le Chatelier effect) and the formation of well-defined shear bands in alloys with the presence of secondary strengthening phases and a solid solution of atoms. The scientific novelty of the project lies in the simultaneous application of the method of cellular automata and artificial neural networks to describe the problem of deformation of metals and alloys. In the proposed model, the equation of state of the material is described using artificial neural networks based on molecular dynamics modeling data, which will make it possible to describe the equations of state of rather complex substances - the aluminum alloy strengthened by nanosized copper clusters and the solid solution of copper atoms in the aluminum crystal. On the other hand, the method of cellular automata will make it possible to describe the plastic deformation of metals and alloys, taking into account the strain localization and the evolution of the micro- and nanostructure of the material.

Разработку предлагаемой в проекте многоуровневой модели деформации чистых ГЦК металлов и алюминиево-медных сплавов справедливой в широком диапазоне скоростей деформации и температур можно разделить на следующие шаги: (1) молекулярно-динамическое моделирование всесторонней и одноосной деформации чистых ГЦК металлов и алюминиево-медных сплавов, рассматриваемых в проекте; (2) обучение ИНС на данных молекулярно-динамического моделирования всесторонней и одноосной деформации; (3) разработка двумерной модели деформации чистых ГЦК металлов и алюминиево-медных сплавов, в которой уравнение состояния описывается с помощью обученных ИНС; (4) определение конфигурации клеточных автоматов, правил перехода клеточных автоматов в новые состояния для описания рекристаллизации, образования и развития полос сдвига в чистых ГЦК металлах и алюминиево-медных сплавах; (5) решение многоуровневой макроскопической модели деформации чистых ГЦК металлов и алюминиево-медных сплавов в рамках гибридного подхода, где уравнения состояния описываются с помощью обученных ИНС, а изменение микроструктуры и локализация деформации с помощью метода клеточных автоматов. Атомистическое моделирование будет проводится в хорошо апробированном программном пакете LAMMPS, а анализ кристаллической решетки и дислокационных структур в программном пакете OVITO. Во всех предполагаемых молекулярно-динамических моделированиях будут использованы хорошо апробированные потенциалы межатомных взаимодействий типа EAM и ADP для чистых ГЦК металлов и сплавов. Обучение ИНС будет проводится с помощью кода собственной разработки написанном на языке С++ с ускорением вычислений на GPU с использованием фреймворка CUDA. Код специально написан под задачи обучения нейронных сетей на данных молекулярно-динамического моделирования. В проекте для описания локализации пластической деформации и изменения микроструктуры выбран метод клеточных автоматов как достаточно мощный метод для моделирования данных процессов, что описано в пункте 4.5. Метод клеточных автоматов будет также реализован на языке С++ с ускорением вычислений на GPU с использованием фреймворка CUDA.

Последние 5 лет руководитель в составе научного коллектива активно занимался разработками многомасштабных моделей, описывающих упругопластическую деформацию металлов и сплавов. Путем атомистического и континуального моделирования исследованы законы движения дефектов кристаллической структуры: краевых дислокаций в твердом растворе атомов меди и в алюминиевом сплаве упрочнённом наноразмерными медными кластерами, малоугловых границ зерен в чистых металлах с учетом локального распределения напряжений. Для исследования пластической деформаций материала на макроскопическом уровне коллектив авторов использует код 2-мерной дислокационной динамики собственной разработки: полученные законы движения дислокаций в алюминиево-медном сплаве применяются в макроскопической модели деформации кристалла алюминия с наноразмерными кластерами, что позволяет проводить сравнение с экспериментальными данными. Также, руководитель в составе научного коллектива применял обученные нейронные сети на данных симуляций молекулярной динамики для моделирования упруго-пластического отклика металлов. Атомистическое моделирование процессов движения дефектов во время пластической деформации в металлах и сплавах проводится с помощью хорошо апробированного пакета молекулярно-динамического моделирования LAMMPS. Анализ дефектов кристаллической структуры проводится в программном пакете OVITO; анализ дислокационных структур с помощью кода экстракции дислокаций DXA; также используются собственные программные средства для обработки данных молекулярно-динамического моделирования, в том числе нейронные сети.

Основным результатом выполнения проекта будет является разработка многоуровневой модели макроскопической деформации чистых ГЦК металлов и алюминиево-медных сплавов в рамках гибридного подхода (применение клеточных автоматов и искусственных нейронных сетей) справедливой в широком диапазоне скоростей деформации (10^{4} - 10^{10} 1/с) и температур. В результате выполнения проекта будут получены следующие конкретные результаты: 1. Обученные искусственные нейронные сети описывающие уравнения состояния в упругой области для чистых ГЦК алюминия и меди, алюминиево-медных сплавов на примере твердого раствора атомов меди в кристалле алюминия (2 и 5 ат.%) и упрочнённого наноразмерными медными кластерами кристалла алюминия. 2. Обученные искусственные нейронные сети для описания функции энергии границ зерен в зависимости от угла разориентировки и температуры основанные на данных молекулярно-динамического моделирования. Данные обучения будут содержать значения энергий границ зерен наклона и поворота в широком диапазоне углов разориентировки (0 -180) и диапазона температур от 100 до 900 K. 3. Результаты многоуровневой модели для чистых ГЦК алюминия и меди, алюминиево-медных сплавов на примере твердого раствора атомов меди в кристалле алюминия (2 и 5 ат.%) и упрочнённого наноразмерными медными кластерами кристалла алюминия. Сравнение результатов модели с экспериментальными данными на примере кривых напряжение-деформация и снимков микроструктуры. 3. Программный комплекс для обучение ИНС написанный на языке С++ с ускорением вычислений на GPU с использованием фреймворка CUDA. Код будет специально разработан под задачи обучения нейронных сетей на данных молекулярно-динамического моделирования. 4. Программный комплекс для реализации многоуровневой модели макроскопической деформации чистых ГЦК металлов и алюминиево-медных сплавов написанный на языке С++. В программном комплексе совместно будут решаться уравнения механики сплошной среды и вычисляться эволюция клеточных автоматов. Все планируемые результаты соответствуют мировому уровню исследований. По результатам работы проекта планируется опубликовать серию из 3 статей в ведущих международных и отечественных журналах.