복잡한 금속 합금의 피로 데이터베이스

과학 데이터 10권, 기사 번호: 447(2023) 이 기사 인용

528 액세스

1 알트메트릭

측정항목 세부정보

지난 수십 년 동안 금속 유리 및 다원소 합금과 같은 복잡한 금속 합금의 연구 및 개발이 급속히 발전하여 강도-인성 충돌 및 열악한 환경에서의 배치와 같은 재료의 엔지니어링 문제를 해결하는 새로운 솔루션을 제공했습니다. 및/또는 장기 서비스를 위해. 피로 데이터베이스(FatigueData-CMA2022)는 2022년 말까지 문헌에서 편집됩니다. 금속 유리와 다중 주성분 합금에 대한 데이터가 포함되어 통계 및 패턴에 대해 분석됩니다. 자동 추출과 수동 검사가 워크플로우에 결합되어 처리 효율성, 게시된 데이터의 품질 및 재사용성을 향상시킵니다. 데이터베이스에는 SN(응력-수명 관계), ε-N(변형-수명 관계) 및 da/dN-ΔK(피로 균열 성장률과 응력 강도 계수 범위 간의 관계) 데이터로 구성된 272개의 피로 데이터세트가 포함되어 있습니다. , 재료 정보, 가공 및 테스트 조건, 기계적 특성과 함께. 데이터베이스와 스크립트는 지속적으로 확장 및 업데이트할 수 있는 형식으로 설계된 오픈 리포지토리에 공개됩니다.

금속재료는 인류 문명의 역사적 발전을 그 용도로 나타낼 수 있을 정도로 매우 중요하다(그림 1a). 금속 합금의 연구 및 개발은 재료 과학, 실험 도구 및 제조 공정의 발전을 구현하고 촉진합니다. 고급 합금의 초기 개발은 주로 시행착오를 통해 경험적으로 이루어졌습니다. 금속의 물리학과 화학에 기초한 이론적이고 수치적인 방법1,2,3,4은 20세기에 점차 확립되었습니다. 그러나 금속 합금의 미세 구조를 성능과 연관시키는 복잡성을 해결하는 것은 여전히 어려운 일입니다. 뛰어난 고온 기계적 성능5을 얻기 위해 결정립계(GB)가 제거된 단결정(SC)의 한계에서도 전위 네트워크와 같은 결함은 소성 변형과 함께 진화하여 결정 구조의 완성도를 방해합니다. 최근 나노 결정질(NC), 나노쌍정(NT) 및 기능 등급(FG) 합금과 같이 미리 설계된 나노 또는 미세 구조를 가진 재료에 대한 탐색이 고성능 합금 발견에 큰 성공을 거두고 있습니다. 예를 들어, GB 강화(Hall-Petch 효과6,7라고도 함)는 입자를 특정 수준으로 미세화하여 고강도 합금 개발을 안내합니다8. 또한 금속 유리(MG)와 같은 복잡한 금속 합금 개발에 대한 연구도 진행되었으며 여러 주요 요소를 가진 합금이 제안 및 제조되었습니다9,10. 화학적 및 구조적 이질성은 결정학적 미끄러짐을 방지하고 강도와 파괴 인성을 향상시킬 수 있는 것으로 나타났습니다11,12.

금속 합금의 복잡성. (a) 금속 합금, 생산 기술, 엔지니어링 설계 기준 및 과학의 개발. 타임라인은 프레젠테이션의 명확성을 위해 다양한 기간에 따라 조정됩니다. 각 원형 막대 그래프는 중앙에 이름이 표시된 금속 합금의 네 가지 특성 수준을 나타냅니다. 'AM'은 적층 제조된 합금을 나타내고, 'MG'는 금속 유리를 나타내고, 'MPEA'는 다원소 합금을 나타냅니다. 왼쪽 위 4분의 1은 패널 b에 표시된 대로 재료의 복잡성을 나타냅니다. 오른쪽 상단은 자료에 대한 인간의 지식을 나타냅니다. 왼쪽 아래 부분은 재료의 적용 범위를 나타냅니다. 오른쪽 아래 부분은 우수한 기계적 성능으로 개발될 소재의 잠재력을 나타냅니다. (b) 금속 합금의 복잡성에는 화학적 조성, 원자 수준 구조 및 미세 구조가 포함됩니다. 각 측면에서 MG 및 MPEA의 복잡성이 강조됩니다.

3 is not open-sourced. We thus do not fine-tune the GPT model and proceed with manual data correction. The product data can be used as training sets for GPT and alternative LLMs such as LLaLMA71 and GLM72./p>98%. We include 61/65 datasets of the recent collection of HEA fatigue data38. There are 4 datasets not included for the data are not reported in standard S-N format or the articles are not in the WoS records. These two databases can be used for mutual verification of the common records, which may increase the credibility of open data for the end users. We find that both the contents and formats of literature-derived databases can be different and complementary due to the different perspectives, demands, and experiences of researchers. Guidelines and standards can help the fusion of these databases. In comparison, more parameters in the metadata are included in our database (e.g. affiliations, countries, funding sources, DOIs), surface conditions, and processing techniques (e.g. thickness reduction of rolling, types of cooling, times of remelting), which are released in more flexible and organized hierarchical formats (JSON and MAT) in addition to the accompanying EXCEL document. The data records of grain size are added to our database as inspired by ref. 38./p>10%. Figure 4a shows that MGs, and MPEAs form clusters in the space of composition. The major elements of a specific MPEA usually accommodate the same atomic-level structures, such as Co, Cr, Fe, Mn, and Ni for FCC, or Ti, Zr, Nb, Hf, and Ta for BCC. Adding elements with distinctly different atomic-level structures can lead to precipitation76. On the other hand, MGs may contain metallic and semiconductor elements with different atomic-level structures from their own crystal phases, which promotes the formation of amorphous structures. MPEAs reported in the literature span over a narrower composition space than MGs, which could be attributed to the difficulties in obtaining single phases of solid solutions with multiple principal elements and the relatively shorter research and development history of MPEAs. The numbers of major elements are generally n ≤ 3 for MGs and ≥3 for MPEAs. High-entropy MGs (n > 3) are also studied and some of them feature similar chemical composition as those of MPEAs77./p>