Multiscale modeling of fracture in bcc metals
| Promotie: | L. (Lei) Zhang |
| Wanneer: | 09 december 2024 |
| Aanvang: | 14:30 |
| Promotor: | prof. dr. ir. E. (Erik) van der Giessen |
| Copromotor: | F. (Francesco) Maresca, PhD |
| Waar: | Academiegebouw RUG |
| Faculteit: | Science and Engineering |
Breuken in BCC metalen
De toenemende vraag naar hoogwaardige metaallegeringen in industriële toepassingen heeft geleid tot de zoektocht naar materialen die superieure structurele capaciteiten combineren met verbeterde energie-efficiëntie. Ruimtelijk gecentreerde kubische (bcc) metalen zijn sterk, maar missen vaak voldoende breuktaaiheid bij lage tot matige temperaturen, wat hun bruikbaarheid in industriële toepassingen beperkt. Om de onderliggende oorzaken van dit gedrag te begrijpen, richtte Lei Zhang zich op scheurinitiatie en -propagatie en de rol van andere defecten via analyses op atomaire en microschaal.
Een belangrijk doel is het modelleren van de voortplanting van atomair scherpe scheuren en hoe deze processen het breukgedrag beïnvloeden. Traditionele interatomaire potentialen schieten tekort in het nauwkeurig voorspellen van breukmechanica in bcc-metalen. Zhang ontwikkelde daarom interatomaire potentialen gebaseerd op machine learning, met uitgebreide dichtheidsfunctionaaltheorie (density functional theory, DFT)-databases, wat de nauwkeurigheid van breukvoorspellingen aanzienlijk verbetert. Daarnaast onderzocht hij de invloed van belastingcondities (belastingssnelheden en -temperaturen) op breukmechanismen.
Verder combineert Zhang een raamwerk voor discrete dislocatieplasticiteit (discrete dislocation dynamics, DDP) met anisotrope elasticiteit en cohesiezone-modellering, om de plasticiteit aan de scheurpunt, dislocatie-emissie en de impact van microstructurele interacties te beoordelen. Resultaten tonen aan dat dislocatie-emissie bij de scheurpunt de breuktaaiheid kan verhogen door de scheur te beschermen, groeisnelheden te verlagen en de weerstand te vergroten.
Al met al benadrukt het proefschrift de beperkingen van conventionele modellen en toont het aan dat op machine learning gebaseerde Multischaal-modellering breukprocessen in bcc-metalen nauwkeuriger kan vastleggen, en biedt het opties voor het ontwerpen van sterkere, taaiere materialen voor technische toepassingen.
Lei Zhang voerde zijn onderzoek uit bij het Engineering and Technology institute Groningen (ENTEG), afdeling Computational Mechanical and Materials Engineering. Hij vervolgt zijn loopbaan als postdoc bij de Rijksuniversiteit Groningen.