Multi-Phase Dataset for Ti and Ti-6Al-4V

该数据集由华威大学的研究团队创建，旨在为钛及其合金Ti-6Al-4V的多相行为提供原子尺度的建模数据。数据集包含了α、β、ω和液态相的原子构型，并通过密度泛函理论（DFT）计算了总能量、力和应力值。数据集通过非对角超胞（NDSC）策略扩展，涵盖了振动特性和原子种类的随机替换。该数据集主要用于拟合机器学习原子间势（MLIP）模型，以准确模拟钛及其合金在广泛热力学条件下的相行为。数据集的应用领域包括航空航天、生物医学、国防和高性能工程等，旨在解决材料相变和力学性能的预测问题。This dataset was created by a research team at the University of Warwick, aiming to provide atomic-scale modeling data for the multiphase behavior of titanium and its alloy Ti-6Al-4V. The dataset includes atomic configurations of α, β, ω, and liquid phases, where total energies, forces, and stress values were calculated via density functional theory (DFT). It was expanded using the off-diagonal supercell (NDSC) strategy, covering vibrational properties and random substitutions of atomic species. This dataset is primarily used to fit machine learning interatomic potential (MLIP) models, enabling accurate simulation of the phase behavior of titanium and its alloys under a wide range of thermodynamic conditions. Its application domains include aerospace, biomedicine, national defense, high-performance engineering and other related fields, with the goal of addressing challenges in predicting material phase transitions and mechanical properties.

搜集汇总

数据集介绍

构建方式

Multi-Phase Dataset for Ti and Ti-6Al-4V 数据集的构建基于密度泛函理论（DFT）计算，涵盖了钛（Ti）及其合金 Ti-6Al-4V 的多种热力学稳定相（α、β、ω 和液态相）。通过使用 PBE 交换关联泛函，计算了每个原子构型的总能量、力和应力值。为了高效采样振动性质和置换无序，采用了非对角超胞（NDSC）策略，并通过随机置换 Ti 原子来模拟合金中的化学无序。此外，数据集还通过分子动力学模拟生成了液态相的构型，确保了构型的热力学相关性。

特点

该数据集的特点在于其广泛覆盖了 Ti 和 Ti-6Al-4V 的多种相态，包括晶体和液态相，且每个构型都通过高精度的 DFT 计算进行了标注。数据集不仅提供了原子构型的总能量、力和应力值，还通过 NDSC 策略高效采样了振动和化学无序，确保了数据的多样性和代表性。此外，数据集还包含了一套基准测试协议，用于快速开发和评估机器学习原子间势（MLIP）模型，展示了其在多相态建模中的潜力。

使用方法

该数据集的主要用途是用于训练和验证机器学习原子间势（MLIP）模型，以模拟 Ti 和 Ti-6Al-4V 在不同热力学条件下的相行为。用户可以通过拟合 GAP 或 ACE 等框架的 MLIP 模型，利用数据集中的原子构型、能量、力和应力值进行训练。此外，数据集提供的基准测试协议可用于评估模型的准确性，确保其在多种相态下的预测能力。通过该数据集，研究人员能够高效开发出具有高精度的 MLIP 模型，用于材料科学中的多尺度模拟。

背景与挑战

背景概述

Multi-Phase Dataset for Ti and Ti-6Al-4V 数据集由英国华威大学的Connor S. Allen和Albert P. Bartók等人于2025年创建，旨在为钛及其合金Ti-6Al-4V的原子尺度建模提供支持。该数据集涵盖了钛及其合金的α、β、ω和液态相，并通过密度泛函理论（DFT）计算了总能量、力和应力值。钛及其合金在航空航天、生物医学和国防等领域具有重要应用，但其复杂的相变行为对原子尺度建模提出了挑战。该数据集的创建为机器学习原子间势（MLIP）的开发提供了关键的基础数据，推动了材料科学领域的高精度模拟研究。

当前挑战

Multi-Phase Dataset for Ti and Ti-6Al-4V 数据集在构建过程中面临多重挑战。首先，钛及其合金的相变行为复杂，尤其是在高温高压条件下，相变边界和相稳定性存在争议，这要求数据集必须精确覆盖多种热力学条件下的相态。其次，数据集的构建依赖于高精度的DFT计算，计算成本高昂，尤其是在处理多元素合金时，如何高效采样原子构型和振动性质成为关键问题。此外，数据集中需要准确捕捉合金中铝和钒的分布及其对相变的影响，这对数据生成策略提出了更高要求。最后，如何验证MLIP模型的准确性并确保其在不同相态下的泛化能力，也是数据集应用中的一大挑战。

常用场景

经典使用场景

Multi-Phase Dataset for Ti and Ti-6Al-4V 数据集在材料科学领域中被广泛用于原子尺度的大规模模拟研究。该数据集通过密度泛函理论（DFT）计算，提供了钛及其合金 Ti-6Al-4V 在不同相态（如 α、β、ω 和液态）下的原子构型、总能量、力和应力值。这些数据为机器学习原子间势（MLIPs）的开发和验证提供了坚实的基础，特别是在模拟钛及其合金的相变行为时，能够显著降低计算成本并保持高精度。

解决学术问题

该数据集解决了材料科学中一个关键问题：如何在原子尺度上准确模拟钛及其合金的相变行为。通过提供多相态的原子构型和相应的 DFT 计算数据，研究人员能够开发出高精度的 MLIPs，从而在保持第一性原理精度的同时，显著降低计算成本。此外，数据集还提供了验证基准，帮助研究人员快速评估和优化 MLIPs 的性能，推动了材料模拟领域的发展。

衍生相关工作

基于 Multi-Phase Dataset for Ti and Ti-6Al-4V 数据集，研究人员开发了多种经典的机器学习原子间势模型，如基于高斯近似势（GAP）和原子簇展开（ACE）的模型。这些模型不仅能够准确预测钛及其合金的相变行为，还在材料弹性常数、振动特性等方面表现出色。此外，该数据集还推动了非对角超胞（NDSC）方法的发展，为高效采样振动布里渊区和替代无序提供了新的策略，进一步拓展了材料模拟的研究边界。