Kinetic Monte Carlo simulation of the early precipitation stages in Al-Mg-Si alloys using Cluster Expansion methods for energy barrier modelling

I denne masteroppgaven er Al-Mg-Si legeringer undersøkt ved hjelp av kinet- isk Monte Carlo simulasjoner styrt av energibarrierer. Arbeidet er en fortset- telse av tidligere arbeid som modellerte barrierene ved hjelp av klyngeekspans- jon på aktiveringsenergier fra tetthetsfunksjonalteoriberegninger (DFT). Dette arbeidet er utvidet ved å implementere en kinetisk løst aktiveringsbarriere som sikrer at totalenergien er bevart og detaljert balanse er opprettholdt ved å inkludere totalenergien eksplisitt i uttrykket. De to metodene er begge trent på samme treningssett og simulert ved å bruke et system med 25 × 25 × 25 kubisk flatesentrerte enhetsceller og legeringen består av 0.77% Si og 0.67% Mg i romtemperatur. Den nye metoden introduserte en RMSE på 38.71 meV sammenlignet med 9.14 meV for den originale metoden ved å bruke samme treningssdata. Ingen av de to metodene har tendenser til danne klynger i løpet av simuleringen men den store energidriften introdusert i det tidligere arbeidet ble korrigert av den nye metoden. En tredje barrieremodell som er observert til å danne klynger har blitt tested med nye interaksjonskoeffisienter ved bruk av DFT bulkkalkulasjoner. Simuleringer med de nye koeffisientene resulterte med ingen klynger som indikerte at de originale interaksjonskoeffisientene var over- estimerte og ikke egnet til bruk i dette systemet. Problemene med at systemet satte seg fast under simulering introdusert av klyngeekspansjonen, ble løst ved hjelp av andre ordens residenstidalgoritme som reduserte utregingstiden med minste faktor 3. Den kubisk flatesentrerte gitterstrukturen brukt i sim- uleringen har blitt utvidet til å muligjøre hopp til oktahedriske gitterpunkter. Dette åpner mulighetene til å danne presipitater i dette systemet. Mangel på dannelsen av klynger ved hjelp av barrieremodellene forhindrer imidlirtid dan- nelsen av presipitater. Dette kan mest sannsynlig løses ved hjelp av å forbedre treningsdataen eller forbedre måten koeffisientene fra klyneekspansjonen er valgt