Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Materiales Sometidos A Condiciones Extremas
Materiales Sometidos A Condiciones Extremas
FACULTAD DE INGENIERÍA
MENDOZA, ARGENTINA
Doctor
en
Ingenierı́a
por
Director de Tesis:
2014
Hoja de Rúbricas
ii
DEDICATORIA
iii
EPÍGRAFE
iv
TABLA DE CONTENIDOS
Hoja de Rúbricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii
Dedicatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Epı́grafe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv
Tabla de Contenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v
Reconocimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
Resumen de Disertación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . x
Capı́tulo 1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Relevancia y Antecedentes . . . . . . . . . . . . . . . . . 1
1.2 Metodologı́a . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Sumario . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Capı́tulo 2 Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1 Tantalio . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 La Dinámica Molecular . . . . . . . . . . . . . . . . . . 7
2.2.1 Limitaciones . . . . . . . . . . . . . . . . . . . . 9
2.2.2 Sobre las técnicas de integración numérica . . . . 10
2.2.3 Condiciones de borde . . . . . . . . . . . . . . . . 12
2.3 Potenciales Interatómicos . . . . . . . . . . . . . . . . . 12
2.4 Potenciales para Tantalio . . . . . . . . . . . . . . . . . 22
Capı́tulo 3 Metodologı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.1 Sobre las simulaciones . . . . . . . . . . . . . . . . . . . 28
3.1.1 Monocristales . . . . . . . . . . . . . . . . . . . . 28
3.1.2 Defectos . . . . . . . . . . . . . . . . . . . . . . . 30
3.1.3 Nanocristales . . . . . . . . . . . . . . . . . . . . 36
3.1.4 Sobre las estrategias de partición . . . . . . . . . 38
3.1.5 Ondas de choque . . . . . . . . . . . . . . . . . . 39
3.1.6 Esfuerzo uniaxial . . . . . . . . . . . . . . . . . . 40
3.2 Post-proceso . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2.1 Muestreo de Ensambles . . . . . . . . . . . . . . 41
3.2.2 Temperatura . . . . . . . . . . . . . . . . . . . . 45
3.2.3 Presión . . . . . . . . . . . . . . . . . . . . . . . 46
3.2.4 Tensión de corte hidrostática . . . . . . . . . . . 47
3.2.5 Tensión de von Mises . . . . . . . . . . . . . . . . 48
v
3.2.6 Densidad de dislocaciones . . . . . . . . . . . . . 48
Bibliografı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
vi
RECONOCIMIENTOS
Este trabajo fue financiado por el proyecto PICT 2009-1325 del Ministerio
de Ciencia y Tecnologı́a de la República Argentina. Agradezco las horas dedicadas
por mi tutor, el Prof. Eduardo M. Bringa, para contribuir a la formación de
mi espı́ritu crı́tico como actitud fundamental en este tipo de empresas. A mis
colegas del grupo de investigación SiMAF, quienes sin su auxilio no hubiera podido
concretar mis objetivos en este lapso y con los cuales hemos compartido ideas y
conceptos sumamente enriquecedores. Al Prof. Marc André Meyers, quien con
su guı́a y hospitalidad desinteresada permitió la culminación de este escrito. Y
finalmente a mi Paı́s y sus fundadores, que me permitieron constituirme en un
producto más de la educación obligatoria, pública, laica y gratuita. A todos,
gracias.
vii
VITA
PUBLICACIONES
viii
N. Gunkelmann, D.R Tramontina, E.M. Bringa, H.M. Urbassek ”Morphological
changes in polycrystalline Fe after compression and release”, J. Appl. Phys. 117
(2015) 085901.
ix
RESUMEN DE DISERTACIÓN
por
Doctor en Ingenierı́a
x
las caras (FCC) y sin embargo disponemos de una cantidad sensiblemente menor
en el caso de metales cúbicos centrados en el cuerpo (BCC) a pesar de su im-
portancia para el desarrollo tecnológico e industrial. En este trabajo se llevan
a cabo simulaciones de materiales sometidos a condiciones extremas empleando
dinámica molecular con muestras computacionales del orden de varios millones de
átomos e incluyendo materiales como el hierro y el tantalio. Se emplearon poten-
ciales interatómicos del tipo modelo de átomo embebido (EAM) por su excelente
relación entre precisión y costo computacional. Las muestras incluyeron cristales
defectuosos para emular las condiciones experimentales utilizadas por nuestros co-
laboradores, ası́ como nanocristales. Además se obtuvieron patrones de difracción
simulada de rayos X (sXRD) de la misma manera en que puede observarse por
métodos de difracción dinámica y microscopı́a electrónica en experimentos simi-
lares.
Los logros más importantes de este trabajo, en el humilde parecer de su
autor, pueden resumirse en los siguientes; Se llegó a importantes conclusiones
empleando un novedoso potencial caracterizado por un amplio rango de efectividad
hasta altas presiones, asegurando estabilidad de fase. Se comprobó qué sistemas de
deslizamiento evolucionan en tantalio monocristalino y bajo qué condiciones. Se
constató la presencia de mecanismos de nucleación de twins junto con dislocaciones,
en un rango de condiciones especı́ficas para cada uno de ellos. Se desarrolló una
novedosa forma de evaluar y cuantificar la presencia de nano-defectos en cristales
de cualquier estructura, incluyendo vacancias, defectos de apilamiento, bordes de
twin y dislocaciones de distinto tipo tanto estables como no estables. Se constató
la sucesión correcta de efectos elasto-plásticos y de transición de fase en hierro
de acuerdo con posteriores experimentos que permitieron ratificar lo observado
en nuestras simulaciones y en todos los casos se ha caracterizado la configuración
final obtenida a partir de un amplio rango de condiciones iniciales. Tales técnicas
no sólo han sido implementadas en los casos prácticos tratados en este trabajo,
sino también en diversas aplicaciones como la evaluación de materiales sometidos
a irradiación de alta energı́a, en nano-cables y vidrios metálicos. Por el carácter de
los mismos, que exceden el foco de este trabajo, se ha obviado su desarrollo aquı́,
xi
sin embargo se encuentran disponibles en el listado de publicaciones detallada al
principio.
Todos estos resultados, todavı́a algo lejos de poder ser obtenidos en el campo
experimental, son un aporte tanto valioso como novedoso, ya que abre la posibilidad
de desarrollar nuevos modelos constitutivos para simulaciones a escala de continuo,
como un esfuerzo por conectar resultados de dinámica molecular con aplicaciones
ingenieriles.
xii
Capı́tulo 1
Introduccion
1
2
alto rendimiento (HPC), que también sirve como plataforma de diseño para las
tecnologı́as que se están desarrollando y que harán posible la realización de nuevos
experimentos in situ, como los que llevan hoy en dı́a nuestros colaboradores en el
extranjero.
Los contenidos que se presentan en este documento pretenden hacer un
aporte al campo de la ingenierı́a de materiales. Los resultados obtenidos nos per-
miten contruir nuevas hipótesis acerca de cómo se comportarı́an los materiales estu-
diados frente a condiciones extremas, aspecto esencial al momento de diseñar pro-
cesos industriales que permitan desarrollar nuevos materiales nano-estructurados
con propiedades mejoradas. Esto desencadenarı́a toda una nueva gama de procesos
para manipular materiales de uso convencional y extender sus rangos de aplicación
u optimizar el uso de los mismos.
Por otro lado, nos aporta información sobre lo que ocurrirá en un material
expuesto a condiciones extremas. Actualmente dichas condiciones pueden presen-
tarse en aplicaciones extractivas de gran profundidad, en escudos de reactores de
fusión, en componentes para la industria aero-espacial e inclusive en materiales
para defensa.
1.2 Metodologı́a
La simulaciones de dinámica molecular (MDS) resuelven ecuaciones de
movimiento para un conjunto de átomos bajo la influencia de potenciales in-
teratómicos [20]. En cada paso de tiempo el estado tensional, la fase local, las
densidades de dislocaciones y/o fracciones de defectos se pueden obtener para un
escenario de deformación dado [21]. En el transcurso de este trabajo se llevan a
cabo simulaciones para estudiar modos y secuencias de deformación en muestras
de algunos millones de átomos, mientras que se emplean tamaños considerable-
mente mayores para verificar las propiedades en una forma comparable a la escala
de continuo. En estos casos las muestras son de forma prismática con superficies
libres, paralelas y condiciones de borde periódicas en direcciones perpendiculares
a la carga, a fines de simular grandes secciones transversales. Para el caso de
4
1.3 Sumario
En el capı́tulo 2 se presenta una breve revisión sobre las consideraciones
mı́nimas indispensables y necesarias para la comprensión de los conceptos tratados
en los tópicos de dinámica molecular, sus principales algoritmos y técnicas de
integración. Adicionalmente se desarrollan los principios básicos que sustentan la
utilización de los potenciales interatómicos para los cálculos de dinámica molecular
y se incluye una breve descripción de los principales modelos y fundamentaciones
que hacen a los distintos tipos de potenciales de mayor uso en la actualidad.
El capı́tulo 3 describe en detalle la configuracı́on de las simulaciones y su
secuencia, además de las técnicas utilizadas en el post-proceso para caracterizar
las estructuras cristalográficas, profilometrı́a, etc.
El capı́tulo 4 se enfoca en los resultados obtenidos en muestras monocristali-
nas sometidas a compresión uniaxial a lo largo de las principales direcciones crista-
lográficas de bajo ı́ndice. Se compara además la respuesta de dos potenciales in-
teratómicos, uno de uso generalizado y otro de reciente publicación.
El capı́tulo 5 trata sobre la respuesta de monocristales sometidos a ondas
5
Antecedentes
2.1 Tantalio
El tantalio es un metal de transición, de brillo azul grisáseo. Es resistente
a la corrosión y fisiológicamente inerte, lo que lo hace un muy buen candidato
para aplicaciones en bioingenierı́a ya sea en implantes o instrumentos quirúrgicos,
se caracteriza entre otras cosas por ser uno de los metales con el segundo más
alto punto de fusión observado, siendo en consecuencia uno de los más refractar-
ios, adems de tener una gran estabilidad de fase, que lo hace un candidato ideal
para este tipo de simulaciones. En la naturaleza se lo encuentra generalmente en
forma de tantalita, que es un óxido mineral de fórmula quı́mica (X)T a2 O6 , donde
normalmente X es reemplazado por hierro, magnesio o manganeso. Este mineral
es similar a la columbita, donde este elemento es sustituı́do por el niobio. Estos
dos minerales suelen estar asociados en mezclas isomorfas que se conocen con el
nombre de coltán. En el mundo, el 80% de las reservas estimadas se encuentran en
la República Democrática del Congo, también existen yacimientos en Australia,
Brasil y Canadá. Su uso ha sido principalmente dedicado a la fabricación de
compontentes electrónicos, lo que lo ha convertido en un mineral de importancia
estratégica y que ha significado una de las principales causas del conflicto bélico
del Congo desde 1998 [26]. Sin embargo, su aplicación en electrónica se encuentra
en franco descenso, merced de sus altos costes y menor disponibilidad, en benefi-
cio de nuevas clases de cerámicos que permiten mayor miniaturización y son más
6
7
dH pk
ṙ = = (2.2)
dpk mi
−dH
ṗ = = −∇rk U = fk (2.3)
drk
donde m es la masa. En general estos sistemas de ecuaciones diferenciales
acopladas tienen solución analı́tica hasta N = 2. A partir de este punto, estas
ecuaciones ya no tienen solución salvo para algunos casos especiales de movimiento
restringido [29]. La práctica habitual a partir de este punto, es recurrir a métodos
numéricos.
El planteo anterior es conocido como el problema de muchos cuerpos, que
ha sido ampliamente estudiado en diversos campos de la ciencia, como la mecánica
celeste, computacional y en nuestro caso la dinámica molecular. La principal difer-
encia respecto del tratamiento dado en sus orı́genes, es que las fuerzas actuantes
entre los cuerpos estaban determinadas solamente por el efecto gravitacional. Para
9
2.2.1 Limitaciones
Los cálculos basados en dinámica molecular tienen validez mientras que
la longitud de onda de de Broglie sea mucho menor que la menor separación in-
teratómica en todo el sistema amin
0 , siendo esto válido para todos los elementos,
Velocity verlet
Este método surge de realizar una expansión de Taylor hasta el tercer orden
para las posiciones r(t), la primera hacia adelante y la otra hacia atrás:
d 1 d2 2 1 d3
r(t + ∆T ) = r(t) + r(t)∆t + r(t)∆t + r(t)∆t3 + O(∆t4 ) (2.5)
dt 2 dt2 6 dt3
d 1 d2 2 1 d3
r(t − ∆T ) = r(t) − r(t)∆t + 2
r(t)∆t − 3
r(t)∆t3 + O(∆t4 ) (2.6)
dt 2 dt 6 dt
que luego de ser sumadas miembro a miembro cancelan su término de orden
3 quedando en forma explı́cita respecto de la segunda derivada. Si se despeja esta
cantidad, tomando como base a las ecuaciones de Newton y empleando la ec. 2.9
se obtiene la segunda forma:
d2
r(t + ∆T ) = 2r(t) − r(t − dt) + r(t)∆t2 + O(∆t4 ) (2.7)
dt2
d2
r(t) = −m−1 ∇U (r(t)) (2.8)
dt2
Hasta aquı́ queda presentada la forma básica conocida como Algoritmo Ver-
let, en el cual no se computan directamente las primeras derivadas dado que no
es necesario para avanzar en la simulación. La velocidad no obstante, es un dato
muy importante en este tipo de simulaciones, dado que generalmente es una canti-
dad que se quiere conocer y por otro lado, como es esencial monitorear la energı́a
total del sistema se debe calcular la energı́a cinética, por lo que no puede evitarse
este cálculo. La primera derivada se calcula simplemente empleando la forma del
cociente incremental.
El procedimiento suele ser siempre el mismo; en primera medida se evalúan
posiciones, velocidades y aceleraciones en el instante cero y luego en el tiempo
incremental. Seguidamente se computan las aceleraciones en este momento t + ∆t
empleando la forma gradiente del potencial como en la ecuación 2.7 y se estima
12
Fi = −∇φri (~
r1 , r~2 , r~3 , ..., r~N ) (2.9)
Desarrollo
En todos los casos, una vez que se logra una función de onda adecuada
para describir la situación fı́sica, se calcula la energı́a total como una función de la
distancia interatómica r y pasa a considerarse como la energı́a potencial efectiva
nuclear, U (r). Existen varios tipos de potenciales y se pueden clasificar de una
manera elegante en base a los modelos matemáticos resultantes de los supuestos
que se adoptan en cada caso.
Una forma de hacerlo a menudo es asumir una forma funcional para la
función potencial y luego seleccionar los parámetros para minimizar las desvia-
ciones del modelo respecto de datos experimentales. Este procedimiento da lugar
a lo que se conoce como potenciales empı́ricos. Ejemplo de esto es el potencial de
Lennard-Jones [32], Born-Mayer [33], o el de Morse [34].
Otro camino plausible es calcular la función de onda considerando posi-
ciones electrónicas estáticas, pero para sistemas de muchos átomos constituye un
problema de gran complejidad. De este tipo de perspectiva surgen los potenciales
semiempı́ricos y dentro de esta clase hay diversas variantes que dependen del en-
foque utilizado en la argumentación de los fundamentos cuánticos en los que se
apoyan. Entre ellos se ubican los de tipo Método de Átomo Embebido (EAM) [35]
y Orden de Enlace (BO) [36], entre otros.
También es posible hacer cálculos directos de las fuerzas (basados en la
mecánica cuántica) para la estructura electrónica, haciendo uso de técnicas ab-
initio. Ejemplo de estos son aquellos potenciales desarrollados a través del método
Car-Parrinello [37].
Potencial de Lennard-Jones
Es de la forma:
" 12 6 #
σ σ
Urij = 4 − (2.10)
rij rij
Este potencial tiene una cola atractiva para grandes valores de r, llegando
a un mı́nimo para ∼ 1.121σ y modela también el comportamiento fuertemente
repulsivo para valores pequeños de r. El cero de esta ecuación está precisamente
en r = σ, donde σ se define como la distancia de equilibrio. El primer término es el
dominante a distancias cortas y es el que modela los efectos repulsivos relacionados
con el principio de Pauli, como se comentó anteriormente, que tiene que ver con
el gran incremento en la energı́a potencial a causa del solapamiento de orbitales
electrónicos. El valor singular de su exponente se definió solamente con fines
prácticos.
De forma similar, el segundo término modela el comportamiento atractivo,
que predomina a grandes distancias y tiene que ver con las fuerzas de dispersión
de Van der Waals que se manifiestan en interacciones dipolo-dipolo. A pesar que
este tipo de interacciones son de tipo débil, estos efectos son los que mantienen la
cohesión del sistema en algunos materiales, como los gases raros y son de hecho
los casos más comunes de aplicación de este potencial. Por otro lado, este modelo
17
N,N −j N
1 X X
Ur = φ(rij ) + f (ρi ) (2.12)
2 i,j i
Figura 2.2: Modelo de átomo embebido. La función de embebimiento tiene en cuenta el efecto causado por
N
N N −j
N −j N −j−k
1 X 1 X
H = Hvol (Ω) + U2 (ri , rj , Ω) + U3 (ri , rj , rk , Ω)+
2N i,j 6N i,j,k
N
N −j
N −j−k
N −j−k−l
1 X
+ U4 (ri , rj , rk , rl , Ω) (2.13)
24N i,j,k,l
alotrópicos. Debido a ello existe una gran cantidad de estudios disponibles para
este tipo de metales mientras que los de tipo cúbico centrados en el cuerpo (BCC)
han quedado algo relegados de la atención cientı́fica durante este tiempo. Por ello,
el desarrollo de potenciales por ejemplo para tantalio, son de disponibilidad más
o menos reciente. A continuación se describe brevemente el desarrollo de algunos
de ellos y sus principales caracterı́sticas.
Finnis-Sinclair (1984)[43]
√
f (ρ) = − ρ (2.15)
1X
ρ= ψ(rij ) (2.16)
2 i6=j
En apariencia, se prefirió esta forma dado que emula los resultados de la aprox-
imación del momento de segundo orden que se obtiene haciendo uso de técnicas
tipo tight-binding. En este caso la dependencia espacial de las integrales de super-
posición se asumen con una forma polinómica como se aprecia en la ec. 2.14. ρ
puede interpretarse fı́sicamente como la densidad electrónica local del átomo i, la
cual se construye mediante una superposición estática de las densidades de carga
atómica ψ.
Dado que tanto el término repulsivo como las funciones de superposición
son de corto alcance, la fuerza interatómica y las energı́as de enlace son un poco
más suaves en algunos casos, en especial cuando se las fuerza a formas compactas
24
√
f (ρ) = ρ (2.19)
X
ρ= A2 ψ(rij ) (2.20)
i6=j
Figura 2.3: Comparación entre módulos elásticos calculados el potencial MGPT para Ta y los obtenidos
experimentalmente en [49, 50]. (izq.) dependencia con la temperatura. (der.) dependencia con la presión. [48]
Figura 2.4: Estabilidad de fase BCC-HCP calculadada para diversoso potenciales de Ta. El EAM de Ravelo
Metodologı́a
3.1.1 Monocristales
Las simulaciones que tuvieron por objeto estudiar el comportamiento elasto-
plástico de materiales perfectos se realizaron modelando monocristales. En algunos
casos a las muestras se les practicó la adición de defectos en la forma de nano-huecos
esféricos, para poder medir el comportamiento frente a la respuesta heterogénea
del material. Este término es adoptado para significar la dinámica que ocurre en la
vecindad de los defectos, mientras que cuando hablamos de dinámica homogénea
nos referimos al comportamiento que muestra el material en el seno de este, lo
suficientemente lejos de los defectos, o en muestras que carecen de la adición de
estos.
Para modelar un material BCC perfecto se procede definiendo la estructura,
la orientación de cada eje principal y la constante de red. En la tabla 3.1 se resumen
los parámetros empleados para construir las distintas muestras.
Para el caso de la adición de nano-huecos, se procede comenzando con un
material perfecto, luego se define la morfologı́a del defecto que para nuestro caso es
esférico y se procede a retirar los átomos que caen dentro de su volumen. Con esto
se logra un arreglo geométricamente perfecto pero todavı́a lejos de lo que consid-
eramos una muestra similar a las que se pueden observar experimentalmente. Al
28
29
Tabla 3.1: Algunas propiedades de elementos relevantes utilizados en este trabajo [52]
preferentes, pero en estos casos las constantes de red se definen luego de realizar la
rotación adecuada del sistema, es decir que deben escalarse con el versor indicado
como en cualquier operación de rotación para evitar el dimensionamiento incorrecto
de la malla. Un detalle de las configuraciones empleadas en el presente trabajo
pueden verse en la tabla 3.2 junto con los versores para cada caso.
Tabla 3.2: Esquema de configuración de ejes para simulaciones sobre direcciones preferentes, de la forma en
3.1.2 Defectos
(Fuente: http://www.nde-ed.org/)
Vector de Burgers
Figura 3.1: Representación del vector de Burgers correspondiente a una dislocación de tornillo.
√
k b k= (a/2) h2 + k 2 + l2 (3.1)
Defectos Puntuales
Figura 3.2: Algunos defectos tı́picos en arreglos atómicos cristalinos.(a) Átomo auto intersticial(impureza).(b)
Dislocación tipo edge.(c) Átomo auto intersticial(mismo elemento).(d) Vacancia. (e) Precipitado de átomos (im-
pureza). (f) Loop de vacancias. (g) Loop de átomos intersticiales. (h) Átomo sustitucional.
Defectos Lineales
lı́nea de dislocación.
dislocación, sino que los cambios en los vı́nculos atómicos van sucediendo de la
misma forma en la que lo hace un reptil para trasladarse.
Figura 3.4: (izquierda) Representación de una dislocación de tornillo en una matriz cristalina. (derecha) .
Defectos planares
y hcp, las dos primeras capas se disponen de forma idéntica, y se dice que tienen
una disposición AB. Si la tercera capa se coloca de modo que sus átomos están
directamente por encima de los de la primera (A), el apilamiento será ABA. Esta
es la estructura hcp, y si se continúa escribiendo la secuencia se llega a algo como
ABABABAB. Sin embargo, es posible que los átomos de tercera se ordenen de
modo que estén en lı́nea con la primera capa para producir una disposición ABC
que es el de la estructura fcc. Por lo tanto, si la estructura hcp va como ABABAB
y de repente cambia a ABABABCABAB, hay un defecto de apilado presente.
Alternativamente, en la disposición fcc el patrón es ABCABCABC. Una
falla de apilamiento en una estructura fcc aparecerı́a como uno de los planos C que
faltan. En otras palabras, el patrón se convertirı́a en ABCABCAB ABCABC. Es
por ello que comúnmente se dice que una falla de apilamiento en una estructura
hcp tiene la forma fcc, y es por ello que los métodos de post-proceso basados
en resolución local confunden este tipo de defecto con una nueva fase, cuando
realmente no es ası́.
Si un defecto de apilado no se corrige inmediatamente, sino que continúa
durante un número determinado de distancias atómicas, se producirá un segundo
defecto de apilamiento. Dependiendo de cuántos defectos de apilamiento se encuen-
tren concatenados, las estructuras resultantes se denominan fallas de apilamiento
dobles, triples, etc.
3.1.3 Nanocristales
Cuando las simulaciones se realizan sobre esta clase de materiales, su mod-
elación es un poco más compleja. Existen varias técnicas para generar cristales
37
(a) (b)
Figura 3.5: (a) Esquema de una nano-macla [111]/(2̄11) en bcc. (b) Esquema de una falla de apilamiento
nano-estructurados y en nuestro caso se prefirió aquella que hace uso del algoritmo
conocido como Teselación Centroidal de Voronoi (VCT). Brevemente, el método
es como sigue; Primero se definen las dimensiones de la cristalita y el tamaño de-
seado de grano (aproximado). Con estos datos, se definen puntos geométricos más
o menos equidistantes en el seno del dominio, como muestra la figura 3.6a. Estos
puntos se utilizan en el algoritmo para definir las superficies de los polı́gonos que
luego se usarán como base para definir los lı́mites de grano. Una vez obtenida
la malla, se procede a generar la configuración cristalográfica deseada utilizando
variantes orientacionales aleatorias para cada grano. Finalmente, se indroducen
átomos sin estructura determinada en los instersticios intergranulares.
Al igual que para el caso de monocristales defectuosos, también es necesario
minimizar la energı́a potencial remanente en el sistema pero en esta situación, un
gradiente conjugado suele no ser suficiente, por lo que se recurre al equivalente
numérico de un proceso térmico de recocido (annealing) para relajar las tensiones
en el seno de la muestra. Sucede que una simple minimización en general no
acomoda los átomos que se encuentran en los lı́mites de grano, dado que una
buena parte de sus vecinos ya están en las posiciones cristalográficas adecuadas,
de manera que pueden estar en un mı́nimo local y entonces la minimización no
producirá cambio alguno. Al entregar energı́a térmica al sistema estamos forzando
a estas partı́culas al borde de este pozo de potencial, con lo que una posterior
disminución gradual en el estado térmico hacia condiciones normales asegurará
naturalmente una disposición plausible, preservando las caracterı́sticas iniciales
esperadas. Como resultado se obtienen entonces bordes de grano más en acuerdo
38
(a) (b)
Figura 3.6: (a) Ejemplo 2-D de una teselación de Voronoi de tipo centroidal, donde los polı́gonos resultantes
luego sirven de base para configurar los granos de la cristalita. (b) Vista 3-D de una muestra cúbica ejemplificando
lo mismo que la figura anterior. Los centros de masa no están indicados. [57]
se quiera observar alguna respuesta, este punto toma mayor relevancia. Además
de la condición de periodicidad está el problema de la evaluación de vecinos, que
comentaremos brevemente.
Como es natural en estos tiempos, las simulaciones computacionales de
este tipo emplean recursos de alto rendimiento (HPC) como son las plataformas
de cálculo paralelo. Para lograr un buen aprovechamiento de la disponibilidad es
muy importante la estrategia de partición a seguir para asignar tareas a cada núcleo
de procesamiento. El sentido común indica que la mejor manera de hacerlo es asig-
nando subdominios computacionales equitativamente distribuidos y es la elección
correcta en la mayorı́a de los casos en que la carga computacional es homogénea
en todo el dominio. Sin embargo, dependiendo del tipo de potencial empleado,
para cada átomo deben calcularse posición y momentos en base a las interacciones
existentes con su entorno, que existen por lo menos con la primer capa de vecinos.
De esta manera, los átomos que se encuentran en los lı́mites de cada subdominio
necesitan de la información de los átomos aledaños, que en este caso se encontrarán
en los subdominios contiguos a cargo de otros núcleos de procesamiento. Esto se
implementa normalmente mediante un parámetro conocido como piel (skin), que
define una capa para todos estos subdominios y aquellos átomos que se encuen-
tren dentro de estas capas serán calculados por los dos núcleos computacionales
que compartan ese lı́mite. Para definir correctamente este parámetro es necesario
tener en cuenta dos extremos; en primera medida, si su valor es muy pequeño
probablemente la piel no contendrá los átomos necesarios para que aquellos dentro
del dominio queden correctamente definidos; y por otro lado un valor muy grande
generará un gran número de cálculos redundantes que quitarán eficiencia al proceso
de cálculo. Aprovechando la redundancia ineludible e inherente al cálculo paralelo,
a menudo se suele implementar un double checking como medida de control sobre
la evolución de la corrida.
en los últimos años, tanto desde la perspectiva experimental como desde las simu-
laciones [58, 59, 60, 10, 61, 17, 62, 63, 64], para conocer las propiedades de posibles
nuevos materiales a obtener con este tipo de procesos, bien para estudiar su con-
fiabilidad frente a aplicaciones de seguridad, o para estudiar el comportamiento
de materiales en ambientes extremos tales como el espacio inter-estelar, ambientes
en presencia de reacciones nucleares o expuestos a radiación de alta energı́a, etc.
Desde el punto de vista particular de este trabajo, lograr resultados a través de
simulaciones para este tipo de fenómenos no es trivial, como puede deducirse de
la bibliografı́a relativa al tema. Uno de los aspectos principales es el hecho de que
estos sistemas encuentran por lo general muy lejos de sus condiciones de equilibrio
termodinámico, por cuanto muchos de los supuestos desarrollados en este campo
son de aplicación restringida o nula.
En simulaciones a escala natural, las ondas de choque a menudo se simulan
mediante rampas de tipo escalón, sin embargo en la nano-escala, este supuesto ya
no es válido. Las ondas de choque son más bien similares a rampas que pueden
tener tiempos de crecimiento desde algunos picosegundos a varios nanósegundos
dependiendo del medio y la energı́a transferida efectivamente a la muestra bajo
estudio. Existen varias formas de simular ondas de choque con dinámica molecular,
como el Método de Espejo de Momentos (MMM) donde dos muestras idénticas
se hacen colisionar a velocidades iguales, o empleando secciones en uno de los
extremos de la muestra para imponer el movimiento deseado emulando a un pistón.
Estos aspectos se discuten en mayor detalle en el Capı́tulo 5 y las referencias
relacionadas.
3.2 Post-proceso
La manipulación de cantidades masivas de datos es una problemática cre-
ciente en ciencia y es producto del aumento constante en la potencia de cálculo
computacional que está permitiendo la implementación de modelos cada vez más
complejos. Es importante entonces establecer una buena estrategia de manejo de
datos. Un ejemplo local de ello es el tratamiento que le damos a los datos de salida
para observar su comportamiento emergente a través de perfiles u otras formas de
presentación.
τobs
1 X
Υobs = hΥit w Υ(γ(t)) (3.3)
τobs τ =1
X
Υobs = hΥiens = hΥ|ρens i = Υ(γ)ρens (γ) (3.4)
γ
3.2.2 Temperatura
Tomando como base la definición del Hamiltoniano, ec. 2.1 y empleando el
teorema del virial ya en el ensamble canónico (NVE):
δH
hpk i = kB T (3.5)
δpk
δH
hqk i = kB T (3.6)
δrk
Y su reducción es particularmente simple cuando los momentos aparecen
como términos cuadráticos en el hamiltoniano. Para el caso atomı́stico, se pueden
|pi |2
sumar hasta una cantidad de 3N términos de la forma mi
para obtener:
N
X |pi |2
h i = 2hHi = 3N kB T (3.7)
i
m i
N
X |pi |2
h iN V E = 2hHi = 3(N − 1)kB T = 2hKiN V E (3.8)
i
mi
[68, 69]. Luego de operar un poco sobre las ecuaciones, la temperatura se puede
expresar en este ensamble como:
m(v − hvi)2
hT iN V E = (3.9)
3(N − 1)kB
Es bastante común emplear termostatos en simulaciones de dinámica molec-
ular. Si embargo y dado que en este trabajo, el calentamiento plástico es un factor
importante a tener en cuenta. Su uso no es recomendable en nuestro caso. En
cambio, dado que el transcurso de nuestras simulaciones es de algunos nanosegun-
dos, es dable asumir que el sistema no tendrá suficiente tiempo para realizar un
intercambio energético considerable con el medio, más allá del tamaño de mues-
tra elegido, el cual es bastante grande para asegurar que estas perturbaciones no
alcancen los bordes periódicos de la muestra.
3.2.3 Presión
La ecuación 3.5 también puede utilizarse evaluar la presión del sistema. Si
se elige un sistema cartesiano y se emplean las ecuaciones de Hamilton para el
movimiento, se puede ver que cada derivada de las coordenadas es negativa con
respecto a la fuerza f en un átomo cualquiera i. Luego, para un número N de
átomos tendremos:
N N
1 X 1 X
− h ri · ∇ri Ui = h ri · fitot i = −N kB T (3.10)
3 i 3 i
En la que se quiere significar con f tot a las fuerzas totales del sistema, o
sea, f tot = f ext + f int . La contribución de las fuerzas externas están relacionadas
con la presión externa
N
1 X
h ri · fiext i = −P V (3.11)
3 i
N N
1 X 1 X
− h ri · ∇ri Ui = h ri · fiint i = V (3.12)
3 i 3 i
P V = N kb T + hVi (3.13)
Una función bastante similar a 3.13 puede emplearse para expresar al ten-
sor simétrico de presiones, sólo que en este caso el primer miembro se describe
utilizando las componentes del tensor de energı́a cinética y en el segundo miembro
las componentes del tensor virial.
N
X N
X
int
Pij V = mk vki vkj + rki fki (3.14)
k k
1 1
σ1 = (P33 + (P11 − P22 )) (3.15)
2 2
48
2 1
σvm = 3J2 = Pn + 6Ps , (3.16)
2
Pn = (P11 − P22 )2 + (P11 − P33 )2 + (P22 − P33 )2 (3.17)
2 2 2
Ps = P12 + P13 + P23 (3.18)
ltot
ρd = (3.19)
V
49
N |~b|
ltot = (3.20)
s
Lo anterior es práctica común en este tipo de simulaciones [71, 72], de esta
manera combinando ambas ecuaciones 3.19 y 3.20 obtenemos una expresión para
la densidad de dislocaciones:
N |~b|
ρd = (3.21)
Vs
Si bien este método es bastante aproximado, existe uno un poco más preciso,
también basado primeramente en el reconocimiento de estructuras y detallado en
[24]. En resumen, a través del algoritmo de extracción de dislocaciones (DXA), el
cual básicamente intenta cerrar un circuito de burgers para cada defecto y cuando
lo logra, itera sobre los defectos aledaños para generar una grilla de tipo tubular
alrededor de los núcleos de dislocaciones. Procedimientos ulteriores refinan esta
grilla para obtener una curva en 3-D, de la cual fácilmente puede computarse
su longitud. Este es el procedimiento seguido en todos los cálculos presentes en
este trabajo sin embargo, ambos han sido incluidos en el paquete de postproceso
utilizado, el cual puede encontrarse en el apéndice.
Capı́tulo 4
4.1 Resumen
En este capı́tulo trataremos el comportamiento de muestras monocristali-
nas de Tantalio, con inclusión de defectos pre-existentes cuando se los somete
compresión uniaxial en direcciones especı́ficas de bajo ı́ndice. El comportamiento
observado es particularmente interesante en este caso. Las diferencias en las en-
ergı́as de activación de los mecanismos de deformación utilizados para disipar la
energı́a entregada hacen que las estructuras resultantes sean similares en algunos
aspectos, pero en esencia distintas. Se han analizado dos potenciales interatómicos,
encontrando diferencias en los puntos de fluencia, generación de dislocaciones y
tasas de calentamiento plástico como dependencia de la dirección del esfuerzo y
tamaño de los nano-huecos, dado que se activan distintos sistemas de deslizamiento
para cada caso, resultando en una noteble variedad de estructuras de dislocaciones
y grados de movilidad.
50
51
4.2 Introducción
Los defectos tales como las dislocaciones, impurezas, vacancias, etc. con-
trolan la plasticidad de los metales y determinan los lı́mites de aplicabilidad para
sus aplicaciones tecnológicas. Los nano-huecos, como por ejemplo en el caso de
los clústers de vacancias, son ubicuos en los metales y pueden crecer y propagarse
en el transcurso del proceso de manufactura [73, 74], solicitación mecánica [75], o
daño por radiación [76, 77]. En el caso de la solicitación mecánica, la nucleación
de nano-huecos es considerada normalmente como la primera etapa en la secuencia
de fractura dúctil y existen numerosos estudios que se enfocan en este proceso de
nucleación y crecimiento observado en la nano-escala, especialmente para el caso de
metales FCC [62, 78, 79, 80, 18, 81, 55]. Existe mucho menos cantidad de trabajos
relativos al estudio de compresión de este tipo de defectos [76, 82, 83]. Para el caso
de los metales FCC, el gran número de estudios disponibles puede deberse en parte
a la gran disponibilidad de potenciales interatómicos empı́ricos [84]. No obstante,
la construcción de potenciales confiables para el caso de los FCC es tı́picamente
más desafiante [85, 28], aunque hay una creciente cantidad de trabajos sobre este
tema en metales BCC [86, 87, 88, 89, 90]. De todos modos, persisten preguntas
importantes acerca del comportamiento de estas estructuras bajo compresión. Es
por ello que sostenemos la necesidad de producir más estudios atomı́sticos para
de esta manera posibilitar el desarrollo de modelos constitutivos con un nivel de
confiabilidad aceptable, tal que se desempeñen adecuadamente en la nano-escala.
El comportamiento mecánico de materiales con porosidad ha sido tratado
con modelos a nivel del continuo por décadas mediante el modelo de Gurson [91]
y esto ha llevado a la aparición de algunos modelos relacionados [92]. En general,
estos modelos no toman en cuenta la orientación cristalográfica o el efecto del
tamaño de los defectos presentes, salvo notables excepciones [93, 94, 95, 96, 97]. Un
trabajo reciente de Bathia et al. [98] intenta mejorar esta situación para Aluminio
FCC, implementando efectos de orientación e incluyendo nano-huecos.
En nuestro estudio, hemos considerado monocristales con estructura BCC.
Se prefirió basar el estudio en Tantalio, dado que este metal es de gran importancia
tecnológica y además porque no posee transiciones de fase termodinámicas hasta
52
4.3 Procedimiento
Las simulaciones se realizaron con LAMMPS [100]. Se generaron muestras
cúbicas con tamaños entre 33 y 46 nm y condiciones periódicas a lo largo de todas
las direcciones. Se implementó un nano-hueco esférico con radio variable entre
1.5 y 8 nm en el centro de la muestra, para un número total de átomos también
variables entre 2x106 and 6x106 para preservar la porosidad del material por debajo
del 2%. Las posiciones atómicas se relajaron utilizando un gradiente conjugado,
para luego elevar su temperatura a 300 K durante algunos picosegundos. El uso
de nano-huecos utilizados como fuente para dislocaciones ha sido extensamente
documentado [82, 101, 102, 103, 104, 87, 88, 105, 106, 107].
En cuanto al costo computacional, estas simulaciones tomaron 7.88x10−8 s/(corepasoatomo)
en una estación de trabajo dotada de un procesador AMD Phenom II six core CPU
con 12GB of RAM. Este tiempo de cálculo se reparte de la siguiente forma detal-
lada en tablas 4.1 y 4.2. La primera es para el potencial EAM y la segunda para
EFS, donde Pair es el tiempo dedicado al cómputo de fuerzas, Neighboring para
la actualización de vecinos, Communication para el tiempo dedicado a la comu-
nicación entre núcleos de procesamiento, Output indica el tiempo de escritura en
53
EAM.
EFS.
disco y por último Other son otros tiempos no incluidos en las categorı́as anteriores.
La tasa de deformación aplicada en nuestras simulaciones fue constante en
un valor de 109 s−1 . Para simulaciones de altas tasas de deformación suelen em-
plearse pasos de integración tı́picamente de 1 fs. Estas tasas suelen ser apropiadas
para estudiar el efecto de ondas de choque, pero podrı́a también ayudar a enten-
der otros escenarios donde otros eventos de gran escala, como muchos procesos
activados térmicamente podrı́an llegar a despreciarse.
Para estudiar el efecto de la orientación cristalográfica, las cargas se apli-
caron a lo largo de las tres direcciones principales para BCC’s, especı́ficamente
h100i, h110i y h111i. En todas las simulaciones se implementó un ensamble
micro-canónico, monitoreando la evolución del estado térmico para detectar ca-
lentamiento plástico. Las simulaciones se extendieron hasta el punto en que las
dislocaciones emitidas desde el nano-hueco llegan a zonas próximas a los lı́mites
periódicos de la muestra, aprox. entre 1 − 3 % de deformación después de la nu-
cleación inicial. Los tiempos de simulación podrı́an extenderse, sin embargo el
umbral de utilidad fue establecido allı́ donde la movilidad de defectos comienza
a atravesar los bordes periódicos de la muestra, de otra manera estarı́amos admi-
tiendo estados más complejos de interacción, caracterı́sticos de arreglos periódicos
54
C11 + 2 C12
B= (4.1)
3
El módulo de corte de tipo Reuss, GReuss , se define como:
1
G = (GV oigt + GReuss ) (4.4)
2
El ratio de Poisson’s , ν, se define como:
55
3 B−2 G
ν= (4.5)
2 (G + 3 B)
Con el uso de estas ecuaciones se puede definir al Módulo elástico E como,
E = 2 G (ν + 1) (4.6)
Mientras que estos cálculos son muy importantes para la ciencia de ma-
teriales en general, estos fallan al no evidenciar el comportamiento anisotrópico
sugerido por la matriz de rigidez. Si se observan los valores de Cij esto queda más
claro. Esto implica que a pesar de que estos efectos son observables en el material,
tanto E como G siguen mostrando un comportamiento relativamente isotrópico
para el caso de Ta. Esto se debe a que el comportamiento de C44 es complemen-
tario a la diferencia entre C11 y C44 y tanto el módulo elástico 4.6 como el de
corte 4.4 se definen en base a este tipo de relaciones, como puede apreciarse en las
ecuaciones correspondientes.
Por lo tanto, definimos X como la constante anisotrópica que nos permita
evidenciar lo anterior.
2 C44
X= (4.7)
C11 − C12
Esta constante nos permite evaluar los cambios relativos entre las dos can-
tidades previamente mencionadas.
Finalmente, basándonos en Meyers y Chawla [1], se puede extraer el módulo
elástico dependiente de la orientación por medio de las ecuaciones que siguen:
1 C11 + C12
= (4.8)
E100 (C11 + 2 C12 )(C11 − C12 )
1 C11 1
= + (4.9)
E110 2 (C11 + C12 )(C11 − C12 ) 8 C44
los que devienen del EAM. Estos últimos están más de acuerdo a las observaciones
experimentales (C11 = 264 GPa, C12 = 160 GPa and C44 = 82 GPa) [111].
Orowan [112] expresó la tasa de deformación plástica γ˙p en términos de la
densidad de dislocaciones ρ y su velocidad promedio:
γ˙p = b ρm v̄ (4.11)
dρ ¯
γ˙p = bl (4.12)
dt
donde ¯l es la distancia promedio a la que se mueven las dislocaciones recién
emitidas.
El crecimiento de la temperatura asociada con la deformación plástica se
puede expresar en forma simplificada como:
dT β
= τ (t) γ˙p (4.13)
dt C
donde C es la capacidad calorı́fica especı́fica, τ (t) es la tensión de corte dependiente
del tiempo y β es un parámetro empı́rico que representa la fracción de trabajo
plástico disipado como calor [114].
4.4 Resultados
Las figuras 4.1(a) y 4.1(d) muestran las curvas tensión-deformación para
cada dirección de carga y ambos potenciales. En función de los cálculos que se
muestran en la tabla 4.3, el comportamiento elástico de cada potencial y cada
dirección de carga es distinto de acuerdo al módulo elástico dependiente de la
orientación, Ehkl . Por ejemplo, para la carga en [100], el módulo elástico corre-
spondiente es mayor en el caso del potencial EAM, mientras que el EFS da mayores
valores para las direcciones [110] y [111]. Esto explica las diferentes pendientes en
las figuras 4.1(a) y 4.1(d). Por otra parte, se observa una pequeña desviación
57
Figura 4.1: Resultados sobre una muestra con un nano-hueco de rv = 8 nm y dimensiones iniciales
(32x32x32) nm3 para tres direcciones de deformación.primer fila, potencial EAM [28]; segunda fila, EFS [44].
primer columna: Curvas de tensión-deformación, empleando tensión de von Mises. Se indica el punto de fluencia
σy con puntos sobre cada curva. Para el caso EFS se observa un comportamiento ligeramente no-lineal. segunda
mente del calentamiento plástico para deformaciones superiores al punto de fluencia. tercer columna: Densidad
de dislocaciones. Independientemente de la dirección de deformación, las muestras llegan a los mismos niveles de
l−l0
saturación para ambos potenciales. En todos los casos, se evalúa como l0
EAM) y luego ocho planos de la familia {011}h111i, (35.6 para EFS y 41.4 para
EAM).
Estos cálculos sugieren cuáles serán los primeros sistemas de deslizamiento
en activarse, pero no dice nada acerca de los efectos dinámicos que ocurren justo
antes de la nucleación. Estos valores tampoco son estrictamente válidos una vez
que comienza la plasticidad. Los resultados para este caso, donde estamos tratando
con un monocristal, también pueden verse alterados por la presencia de un nano-
hueco, debido a que los valores locales de tensión en la superficie de este defecto
puede verse afectado por otros factores tales como la curvatura o la presencia
de escalones superficiales. Además, hay varios trabajos para metales BCC que
indican que los efectos tipo non-Schmidt pueden ser considerables en estos casos
[115]. No obstante, a pesar de todas estas limitaciones, en nuestras simulaciones se
puede observar que el primer sistema de deslizamiento en activarse es de la familia
{112}h111i, en acuerdo con los valores más altos calculados de RSS. Otro detalle
interesante es que a pesar de que el valor de RSS para el sistema {123}h111i es sólo
un poco menor al de {112}h111i, no hemos observado activación de estos sistemas.
Las simulaciones presentadas en este trabajo son consistentes con los resul-
tados previamente publicados por Tang et al. y su modelo analı́tico [106]. El valor
más alto de tensión de fluencia se encuentra en la muestra solicitada en la dirección
[111], seguido por los casos de [110] y [110]. Ası́ se desprende de las consideraciones
que pueden hacerse en base a los resultados indicados en la tabla 4.3, junto con
el hecho de que para cada potencial, una vez definido el radio del nano-hueco las
muestras indican plasticidad a casi los mismos valores de deformación, con el caso
[110] evidenciando plasticidad a un valor sensiblemente menor que en las otras
direcciones. Esta comparación se puede observar en las figuras 4.2(a) y 4.2(b).
De acuerdo con esos resultados, el comportamiento del Tantalio monocristalino no
sólo es dependiente del tamaño de los defectos pre-existentes [105], sino también
de la dirección de aplicación del esfuerzo de compresión [94].
En general, se necesita un valor más alto de deformación para poder iniciar
la plasticidad en la dirección [100], debido al valor comparativamente más pequeño
del módulo E100 . Para el tamaño de nano-hueco más pequeño (∼ 1.5 nm), se
59
Figura 4.2: (a) Tensión de fluencia de von Mises en función del radio del nano-hueco para las direcciones
principales de deslizamiento en BCC. Se muestran los resultados para el potencial EAM [28] y el EFS [44].
Simulaciones previas de MD de Tang et al. [106], en conjunto con su modelo analı́tico (ambos con asteriscos en la
referencia de la figura), muestran buen acuerdo con los resultados. (b) Deformación de nucleación de dislocaciones
en función del radio de nano-hueco. Se conectan solamente los valores de EAM para una guı́a más clara.
obtienen mayores diferencias en las tensiones de fluencia para EFS y EAM, alcan-
zando la mayor diferencia (∆ε ≈ 2.0%) para la dirección [100]. La dependencia de
los valores de fluencia respecto del potencial utilizado es decreciente con el tamaño
del nano-hueco, pero esto no garantiza similaridades en la estructura resultante a
deformaciones más grandes.
Previo al comienzo de la plasticidad, la temperatura comienza a incremen-
tarse suavemente durante la región elástica, debido al trabajo PdV. Luego de este
punto, sobreviene una relajación de tensiones, junto con un incremento en la tasa
de crecimiento de la temperatura debido al incremento en la densidad de disloca-
ciones.
El escenario general de evolución de la plasticidad puede analizarse con
la ayuda de las ecuaciones 4.12 y 4.13. En estas simulaciones, la tasa de defor-
mación aplicada parece ocasionar una rápida generación de dislocaciones en la
zona libre de defectos, en las afueras del nano-hueco. Esta tasa de deformación
plástica, relacionada con la ecuación 4.12, puede llevar a un marcado incremento
en la temperatura, a través del comportamiento delineado en la ecuación 4.13.
Inmediatamente después del punto de fluencia, la densidad total de dislocaciones
se incrementa gracias a la producción de nuevos defectos, los cuales parecen mo-
verse en forma independiente respecto de los demás. A mayores deformaciones,
60
6.5x1016 m−2 en todos los casos. Una relación de tipo Taylor para endurecimiento
por presencia de dislocaciones estarı́a dada por:
σ = βGbρ1/2 (4.14)
Figura 4.3: Densidad de dislocaciones en función de la deformación para distintos tamaños de nano-hueco.
Primera fila: Potencial EAM. Segunda fila: Potencial EFS. Como es de esperar, la emisión de dislocaciones desde
el defecto más pequeño demanda un mayor valor de tensión. Se alcanzan practicamente los mismos valores de
saturación para todos los casos, con la excepción del defecto más pequeño para el potencial EAM en la dirección
Figura 4.4: Estructuras de defectos para varias direcciones uniaxiales de compresión, utilizando el potencial
EAM [28] y el EFS [44]. Los ejes se muestran en cada caso, mientras que la flecha amarilla indica la dirección de
carga. El coloreado es representativo de la distancia desde el centro geométrico de la muestra, que coincide con el
4.5 Conclusiones
Se llevaron a cabo simulaciones de carga compresiva en monocristales de Ta
con nano-huecos de radios rv = 1.5, 5 y 8 nm a lo largo de las direcciones principales
[001], [011] y [111], utilizando dos potenciales empı́ricos: uno del tipo Modelo de
Átomo Embebido (EAM) [28] y un Finnis-Sinclair Extendido (EFS) [44]. Como
se esperaba, los resultados muestran que las regiones de carga elástica dependen
de los módulos elásticos correspondientes y que el comienzo de la plasticidad en
la vecindad de la superficie del nano-hueco depende fuertemente del tamaño del
defecto y la dirección de carga, con mayores umbrales de plasticidad para los
defectos más pequeños.
Cuando comparamos los dos potenciales, se encuentran las mismas tenden-
cias respecto del tamaño de defecto y orientación de la carga, pero también diferen-
cias importantes en la tensión de nucleación (hasta ∼ 2 GPa) y deformación (hasta
∼ 2%); la diferencia en los valores de los parámetros anteriormente mencionados
para cada dirección es de alguna manera menor para el potencial EAM.
La estructura de dislocaciones depende del tamaño de defecto pre-existente,
pero el análisis sistemático realizado aquı́ revela que los sistemas de deslizamiento
que se activan para cada dirección de carga fueron los mismos en ambos potenciales
y que su activación puede explicarse haciendo uso de los factores de Schmidt. No
obstante, los valores de RSS tabulados en este trabajo, si bien ofrecen algún indicio
acerca de la preferencia en la activación de ciertos sistemas de deslizamiento, no
constituye un indicador claro en la escala atomı́stica, por cuanto su conexión con
el equivalente macroscópico no es directo.
El incremento de temperatura asociado con el calentamiento plástico difiere
para las distintas direcciones de carga, mientras que la densidad de dislocaciones es
prácticamente la misma para deformaciones lo suficientemente superiores al rango
elástico del material. Tanto la nucleación como la multiplicación de dislocaciones
se observó en valores similares para las distintas direcciones de carga.
El estudio de Bathia et al. [98] en cristales de Al con porosidad demostró
que las simulaciones atomı́sticas pueden alimentar a los modelos continuos de plas-
ticidad para aplicaciones multiescala. Los modelos constitutivos más avanzados
66
potenciales interatómicos EAM y EFS a presión cero. Los valores experimentales para las constantes elásticas y
las variables resultantes calculadas también se indican.(C11 = 264 GPa, C12 = 160 GPa and C44 = 82 GPa) [111].
(a) (b)
(c) (d)
Figura 4.5: Compresión en [011] de un nano-hueco de rv = 8 nm, para un tamaño de muestra inicial de
(32x32x32) nm3 . Sólo se muestran los átomos defectuosos. Celeste:maclas; azul: lı́neas de dislocaciones; rojo:
vacancias. (a) Potencial EAM a una deformación de 12.3%. Nótese en la región superior izquierda al interacción
entre segmentos tiposcrew, curvándose en sus extremos mientras se mantienen unidos a la superficie del nano-
hueco. (b) Potencial EAM: detalle de una región de la muestra conteniendo una macla a 12.3% de deformación.
La vista es perpendicular al plano (112̄). Los átomos no defectuosos se incluyen en este caso en color verde. (c)
Potencial EAM, a una deformación de 12.3%. La fracción volumétrica de maclas presentes es ∼ 0.3% y ρd ≈ 7.5 x
1016 m−2 . El nano-hueco ha desaparecido completamente antes del 12.3% de deformación para ambos potenciales,
uniaxial en [100]
Capı́tulo 5
5.1.1 Resumen
En este capı́tulo se presentan resultados obtenidos mediante simulaciones
de dinámica molecular de muestras mono-cristalinas de Tantalio sometidas a ondas
de choque a lo largo de la dirección [001], incluyendo defectos pre-existentes que
pueden actuar como fuente de dislocaciones. Se utilizó en este caso un potencial
EAM al igual que el capı́tulo precedente y se estudió la nucleación y evolución de
dislocaciones con dependencia en la presión de la onda de choque y el tiempo de
crecimiento de la rampa lineal de carga. Se encontró que la tensión de fluencia
y la densidad de dislocaciones detrás del frente de onda depende de la tasa de
deformación. Se aprecia un buen acuerdo con resultados experimentales recientes
que reportan dislocaciones, combinaciones de éstas junto con nano-twins y com-
portamientos dominados por la presencia estas últimas, a medida que la presión
de la onda de choque se incrementa.
La compresión por choque de materia condensada permite el estudio de ma-
teriales sometidos a condiciones extremas [121]. El mejoramiento de las técnicas
experimentales y de simulación permiten realizar estudios detallados de la mi-
70
71
croestructura inducida por este efecto, que puede llevar a grandes cambios en las
propiedades mecánicas del material. Se ha llevado a cabo recientemente una im-
portante cantidad de trabajo relacionado con metales tipo FCC [62, 16, 70, 81, 122,
63, 78, 18, 55, 123, 83] y BCC [86, 88, 124, 125, 126, 62, 127, 128]. No obstante,
la mayorı́a del trabajo en BCC’s se ha centrado en Fe dado el gran número de
aplicaciones tecnológicas de este elemento, como por ejemplo en elementos estruc-
turales y también debido al rol que juegan sus propiedades en la mecánica interior
terrestre. El hierro presenta una transformación sólido-sólido a una presión de
15 GPa, que dificulta particularmente la detección de defectos micro estructurales
en las simulaciones [99, 129, 130]. Sin embargo mostraremos que esto también es
posible en un capı́tulo posterior.
Las simulaciones atomı́sticas de alta tasa de deformación en metales BCC
[131, 132, 16, 104] no es muy común, hecho principalmente debido a la falta de
potenciales interatómicos confiables en el rango de las altas presiones. Se ha de-
mostrado para el caso de Nb [124] y Ta [28] que muchos de estos potenciales
desarrollan transiciones de fase artificiales de tipo BCC → HCP.
En lo que respecta a metales tipo BCC, el tantalio tiene varias aplicaciones
tecnológicas y desde el punto de vista termodinámico no existen transiciones de
fase sino hasta el rango de altas presiones y temperaturas [85]. El Tantalio ha
sido experimentalmente sometido a ondas de choque en instalaciones tipo gas gun
[133] y laser-driven [134, 135, 136]. Estos experimentos muestran comportamientos
variados, incluyendo alta resistencia [137, 136], presencia de dislocaciones [133, 134,
135], twinning por encima de presiones aproximadas de 40 GPa [134, 138, 135, 54]
y hasta la controversial presencia de una fase ω [134, 135, 139] en algunas muestras
recuperadas, sometidas a ondas de choque por encima de ∼ 70 GPa.
Simulaciones recientes llevadas a cabo por Cuesta-Lopez y Perlado [140]
sometieron muestras computacionales mono-cristalinas de Ta, W y Fe a velocidades
de partı́cula Up entre 0.1 y 2.5 km s−1 , provocando comportamientos que van
desde la aparición de efectos elásticos hasta derretimiento por choque. Ellos no
observaron actividad de dislocaciones, sino que encontraron nucleación de una
fase tipo close-packed por encima de una presión crı́tica. De todos modos, esta
72
5.1.2 Procedimiento
En general se emplearon las mismas técnicas a las presentadas en el capı́tulo
anterior, usando mono-cristales de tantalio con defectos pre-existentes. La adición
de algunos nano-huecos no implica mayores complicaciones y la relajación de este
tipo de configuraciones ha sido extensamente estudiada en lo relativo a emisión de
73
dislocaciones bajo carga de choque [104, 87, 88, 106, 107]. Esto lleva a resultados
similares a los obtenidos cuando se introducen loops de dislocaciones [103, 17] y
suelen tener una tensión de nucleación más o menos proporcional con la inversa
de su radio, a diferencia de lo que sucede en el caso de fuentes tipo Frank-Read,
que muestran un comportamiento proporcional a la inversa de su longitud [142].
En este caso se emplearon nano-huecos de 3 nm, que llevan a una activación de
12 GPa bajo compresión homogénea uniaxial (desarrollada en el capı́tulo anterior).
Esto nos permite estudiar la relación entre la plasticidad y las caracterı́sticas de
la onda de choque bien por debajo del umbral de nucleación homogénea de twins
para este material.
A efectos comparativos, al igual que en el capı́tulo anterior se utilizaron los
potenciales EAM [28] y EFS [44] bien por debajo de los 70 GPa para asegurar la
ausencia de efectos artificiales en el último. Se probó con distintos tamaños de
muestra, llegando a secciones transversales de 300x300 celdas BCC para investi-
gar posibles efectos dependientes del tamaño. No obstante, encontramos que una
sección de 50x50 es suficientemente grande para obtener perfiles de choque suaves.
La longitud de cada muestra se varió entre 400 y 2000 celdas BCC a lo largo de
la dirección [001] para asegurar un desarrollo completo de la onda a lo largo de la
muestra.
Se establecieron condiciones periódicas de borde en las direcciones transver-
sales a la onda, dejando una superficie libre en la parte posterior de la misma. La
mayorı́a de las simulaciones fueron realizadas a temperaturas en el orden de los
10 K para simplificar la detección de defectos, no obstante, aquellas realizadas a
temperatura ambiente mostraron el mismo comportamiento.
Existen varias formas de correr simulaciones de este tipo [143, 70, 144].
En nuestro caso simulamos un pistón rı́gido simple moviéndose a una velocidad
Up [13, 145]. Una onda de choque ideal se modela tı́picamente como un escalón
perfecto si se visualiza en papel v-t es decir, con un tiempo de crecimiento nulo
(tr = 0). Las ondas de choque reales por otra parte, desarrollan tiempos de
crecimiento del orden de 1 ns. Es por ello que se utilizó una rampa de velocidad de
tipo lineal para definir el movimiento del pistón, que permite un gran cambio en la
74
5.1.3 Resultados
La deformación por ondas de choque desencadena una emisión de dislo-
caciones desde los defectos pre-existentes en el material. En una primera etapa,
de la misma manera en la que se describe para el caso de simulaciones de carga
homogénea (cap. 4) [106], se observa la formación de segmentos tipo edge que
75
miento de onda aproximadamente de izquierda a derecha. (izquierda) Up = 0.35 km s−1 y tr = 15 ps, mostrando
dislocaciones 60 ps luego del contacto. (centro) Up = 0.50 km s−1 y tr = 15 ps, mostrando una configuración
mixta de twins y dislocaciones, 70 ps luego del contacto. Azul: dislocaciones; celeste: twins; verde: bordes de
macla. (derecha) Up = 0.88 km s−1 , tr = 15 ps. Tras las dislocaciones emitidas desde el nano-hueco, se observan
twins que se nuclean en forma homogénea. El color es representativo de la profundidad para comodidad del lector.
avanzan velozmente mientras que las porciones conformadas por dislocaciones tipo
screw se mantienen prácticamente estáticas, como se muestra en la figura 5.1a,
para Up = 0.35 km s−1 , tr = 15 ps. Las simulaciones realizadas con el potencial
EFS de Dai et al. [44] muestran las mismas caracterı́sticas. Si bien existen algunas
diferencias cuantitativas respecto de los umbrales de activación y que fueron desar-
rollados en el capı́tulo 4, las estructuras que se desarrollan desde los nano-huecos
de rv = 3 nm son cualitativamente similares bajo compresión homogénea [146].
Luego de algún tiempo, se desarrolla un bosque de dislocaciones, como
se observa en la parte más alejada de la figura 5.1a, similar a los casos de alta
porosidad también comentados en el capı́tulo 4 [107], con grandes fracciones de
segmentos tipo screw, de la misma manera que se observa en algunas muestras
recuperadas. Se pudo constatar que para Up < 0.4 km s−1 (29 GPa), solamente
se observan dislocaciones emitidas desde la superficie de los nano-huecos y todo el
escenario evoluciona de manera similar como se puede ver en la figura 5.1a. Luego,
a Up = 0.5 km s−1 comienzan a aparecer maclas o twins tal como en la figura 5.1b.
Se encontró un umbral para twinning alrededor de 25 y 30 GPa, en acuerdo con
datos experimentales [135]. Estos aparecen a lo largo y en regiones cercanas a las
dislocaciones, generando una estructura mixta como la que se puede apreciar en
76
la figura 5.1b obtenida con CAT [110]. Esto también ha sido observado tanto en
experimentos gas-gun como laser-driven [135]. En nuestras simulaciones, los nano-
twins miden sólo algunos nm de ancho y varias decenas de nm de largo después
de 50 − 80 ps y continúan creciendo. El trabajo de microscopı́a de McNaney et
al. [138] muestra que los twins en muestras recuperadas de Ta sometido a ondas
de choque en [001] a 55 GPa eran de varias decenas de nm de ancho y cientos
de longitud. Trabajos recientes para carga compresiva en Ta a 104 s−1 también
muestran este tipo de maclas delgadas, o lamellar twins [147]. Un caso donde el
umbral de twinning ya ha sido alcanzado se muestra en la figura 5.1c.
Dado que se ha hecho uso de cargas tipo rampa lineal, la primera parte
de ella es suficiente para causar la emisión de dislocaciones desde el nano-hueco,
mientras la presión máxima alcanzada al final de ésta induce la nucleación de
twins. Esto puede compararse con los ejemplos de carga en FCC mostrados en las
referencias [17, 72], donde se emplean loops en vez de nano-huecos como fuente y
la nucleación homogénea de shear loops reemplaza al twinning.
La formación de twins en metales BCC es compleja [148, 149, 150], ası́
como su nucleación desde lı́mites de grano [151, 152]. En nuestras simulaciones,
el twinning está muy relacionado con la emisión de dislocaciones desde los nano-
huecos y sus reacciones [106]. Como se espera en casos de deformación compresiva,
el twinning inducido por ondas de choque está en el sistema (1̄21) [111̄] [106];
figura 5.2.
En la figura 5.3 pueden observarse diversos perfiles de presión y esfuerzos
de corte. La tensión de von Mises tiene un valor medio de ∼ 12 GPa en la región
con dislocaciones, que es prácticamente idéntico a su valor a lo largo de toda la
región comprimida por la onda de choque. El esfuerzo de corte cae a valores de
4 GPa, más de un 20% de su valor en la región comprimida elásticamente.
Para comprender las diferencias que existen entre los valores de von Mises
y de esfuerzo de corte, hemos considerado un caso particular. En la figura 5.3
se han representado los perfiles para la componente del tensor de tensiones en la
dirección de avance de la onda de choque σzz , la tensión de von Mises σvm , corte
σ1 y las componentes no diagonales σxy , σxz y σyz , para una muestra sometida
77
Figura 5.2: Detalle de una región de la muestra para Up = 0.50 km s−1 y tr = 15 ps, donde se observan
twins inducidos desde los defectos pre-existentes, por debajo del umbral de nucleación homogénea, 70 ps luego del
a una onda de choque de Up = 0.5 km s−1 con una rampa lineal de tr = 10 ps.
Un nano-hueco sirve de fuente de dislocaciones. Se puede observar que el valor
de σzz se mantiene estable en ∼ 36 GPa a lo largo de la región con dislocaciones,
entre 55 y 90 nm, pero a menudo observamos perturbaciones en la vecindad de los
nano-huecos, especialmente para tiempos de rampa largos. El valor medio de σvm
es de 13 GPa con una caı́da de solo alrededor de 5% en la zona de dislocaciones.
Por el otro lado, dado que el esfuerzo de corte σ1 solo se calcula a partir de las
componentes principales del tensor de tensiones, éste acusa una caı́da marcada en
la misma región, donde se evidencia un estado complejo de esfuerzos a través de
los valores no nulos de las componentes no-diagonales. Es por ello que σvm , quien
sı́ tiene en cuenta estas cantidades, pierde su efectividad en la detección de zonas
de relajación causadas por movimiento de dislocaciones.
78
Figura 5.3: Perfiles de tensión a t = 30 ps, para Up = 0.5 km s−1 y tr = 10 ps. El esfuerzo de corte difiere
Figura 5.4: Perfiles seleccionados a distintas velocidades de onda de choque y tiempos de rampa. Primer
columna: Up = 0.75 km s−1 , tr = 50 ps. Segunda columna: Up = 0.75 km s−1 , tr = 25 ps. Tercer columna:
(a) (b)
Figura 5.5: (izquierda) Evolución de la densidad de dislocaciones local, RSS y tensión de von Mises vs.
velocidad de partı́cula Up para tiempos de rampa seleccionados. Los valores están evaluados a 60 nm delante
del pistón, en el momento en que la onda de choque llega a la zona cercana al final de la muestra. (derecha)
Los mismos parámetros, evaluados en función del tiempo, para Up = 0.5 km s−1 . El tamaño de los sı́mbolos es
más breve.
σ1 , σvm y ρd se muestran en la figura 5.6 en función de tr para Up = 0.5 km
s−1 . Mientras la tensión de von Mises muestra una tendencia similar para todos
los casos, el esfuerzo de corte y la densidad de dislocaciones presentan un mı́nimo
local en tr = 5 ps debido a la competencia entre la emisión de dislocaciones y su
movilidad. Nótese que la densidad de dislocaciones alcanza un valor de ∼ 1016 m−2
para el valor más grande de tr , en concordancia con la figura 5.4. Sin embargo,
el mayor valor de tiempo de rampa presentado aquı́ puede todavı́a ser pequeño
81
Figura 5.6: Densidad de dislocaciones, esfuerzo de corte y tensión de von Mises como función del tiempo de
rampa, para Up = 0.5 km s−1 . El tamaño de los sı́mbolos es indicativo del error de estimación.
respecto de los valores tı́picos experimentales, justificando los valores más bajos en
la densidad de dislocaciones observados en los experimentos.
5.2.1 Resultados
A una velocidad de partı́cula de Up = 0.75 km s−1 y para esta dirección
ya estamos sobre el umbral de nucleación homogénea, por cuanto una vez que la
82
(a)
(b)
Figura 5.7: Perfil de una muestra de Ta monocristalino de 100x100x800 a0 sometida a una onda de choque de
Up = 0.75 km s−1 , tr = 15 ps en dirección [11̄0]. (arriba) Perfiles de presión en la dirección de la onda de choque
Pzz , tensión de corte hidrostático σ1 y tensión de von Mises σvm . (abajo) Perfiles de temperatura T , densidad de
dislocaciones ρd , velocidad lineal en la dirección de la onda de choque vz y fracción de twins, respecto del total
de la muestra. Los valores alcanzados en la zona del pistón (z ≈ 0 nm) y del primer nano-hueco (z ≈ 70 nm) son
(a)
(b)
Figura 5.8: Perfil de una muestra de Ta monocristalino de 100x100x800 a0 sometida a una onda de choque de
Up = 0.75 km s−1 , tr = 35 ps en dirección [11̄0]. (arriba) Perfiles de presión en la dirección de la onda de choque
Pzz , tensión de corte hidrostático σ1 y tensión de von Mises σvm . (abajo) Perfiles de temperatura T , densidad de
dislocaciones ρd , velocidad lineal en la dirección de la onda de choque vz y fracción de twins, respecto del total de
mientras que los valores picos en la densidad de twins se desplazan detrás del frente de onda, desvaneciéndose a
(a)
(b)
Figura 5.9: Perfil de una muestra de Ta monocristalino de 100x100x800 a0 sometida a una onda de choque de
Up = 0.75 km s−1 , tr = 60 ps en dirección [11̄0]. (arriba) Perfiles de presión en la dirección de la onda de choque
Pzz , tensión de corte hidrostático σ1 y tensión de von Mises σvm . (abajo) Perfiles de temperatura T , densidad de
dislocaciones ρd , velocidad lineal en la dirección de la onda de choque vz y fracción de twins, respecto del total
de la muestra. Los valores de tensión de corte han bajado a valores de ∼ 3 GPa lejos de la zona de avance del
frente de onda, gracias a la relajación producida por las dislocaciones y los twins. Se observan tres picos en la
Figura 5.10: Detalle del proceso de nucleación de twins desde la superficie de un nano-hueco. El panel muestra
en gama de verdes a los átomos orientados en su configuración original y en gama de grises a dos variantes de
macla. La claridad del color es indicativa de la profundidad (3 capas). Twin variants: (hacia arriba) (11̄2)[11̄1]
Figura 5.11: Proceso de crecimiento de twins. Los átomos están coloreados por esfuerzo de corte, [-5;5]
(GPa). Nótese la reorientación en la zona de intersección de las variantes de twin para relajar la muestra en esa
zona.
Figura 5.12: Proceso de detwinning detallando el valor de esfuerzo de corte atómico, considerando la escala
[-5;5] (GPa).
Figura 5.13: momentos seleccionados del proceso completo de twinning-detwinning. Color: corte [-5;5] (GPa).
Figura 5.14: Scale values: [-5;5] (GPa). El twin en el extremo inferior desaparece totalmente a 60 ps.
5.3 Conclusiones
Las simulaciones de dinámica molecular para ondas de choque en monocristales
de Tantalio en la dirección [001] conteniendo defectos pre-existentes muestran pro-
ducción de dislocaciones y twins. La relajación es menos aparente si se considera
como medio de detección a la variación en el valor de la tensión de von Mises,
debido al efecto de las componentes no diagonales del tensor de tensiones que
contienen valores no nulos en las zonas de gran deformación plástica. Queda claro
entonces que a diferencia de lo acostumbrado a escala natural, donde σvm se utiliza
ampliamente en aplicaciones ingenieriles y del ámbito de la resistencia de materi-
ales, en la nano-escala ya no es un buen indicador y por lo tanto deben emplearse
otros que reflejen de mejor manera lo que sucede en el seno del material.
Tanto la densidad de dislocaciones como la tensión de fluencia decrecen con
el incremento en el tiempo de la rampa de carga aplicada. La resistencia simulada
concuerda con los valores experimentales [136].
La microestructura inducida por ondas de choque contiene sólo disloca-
ciones a relativamente bajas presiones, seguida de una configuración mixta de
90
dislocaciones y twins a partir de ∼ 30 GPa, para finalmente mostrar una claro pre-
dominio de twins por sobre los 70 GPa. Esta sucesión de microestructuras y sus
presiones de onda de choque asociadas, están en buen acuerdo con los resultados
experimentales [135, 54]. No obstante, se encontró que la densidad de disloca-
ciones es mayor que la que puede determinarse en muestras experimentales, [135].
Esto podrı́a deberse a la descarga y recuperación que sufren éstas durante los
tiempos macroscópicos. Como resultado de nuestras observaciones encontramos
el tı́pico bosque de dislocaciones con una fracción considerable de componentes
screw, junto a loops de dislocaciones y celdas [135]. De todos modos es difı́cil
comparar nuestras estructuras de dislocaciones respecto de aquellas generadas ex-
perimentalmente, dado que estas últimas pasan por un transitorio de descarga y
largos procesos térmicos antes de su observación. Los novedosos experimentos en
difracción dinámica podrı́an ofrecer nuevas oportunidades para el estudio de la
plasticidad por dislocaciones durante esta fase de carga [17, 154].
La plasticidad en Tantalio ofrece un escenario óptimo para desafiar nuestro
conocimiento sobre el comportamiento de los sólidos a grandes tasas de defor-
mación. Los estudios que se enfocan en la evolución de la microestructura durante
y luego de someter los materiales a ondas de choque, permitirán mejorar nuestro
entendimiento sobre estos materiales, abriendo nuevas posibilidades hacia el diseño
de materiales para condiciones extremas [64].
Capı́tulo 6
Ondas de choque en Fe
policristalino
6.1 Resumen
En capı́tulos precedentes se sometieron muestras monocristalinas BCC tanto
a deformación uniaxial homogénea como a ondas de choque variando niveles de
energı́a y duración. En la naturaleza, sin embargo es más común encontrar estos
materiales en su forma policristalina. Hasta ahora hemos tratado con un metal
como el tantalio, el cual entre varias de sus virtudes posee la de la simpleza de
comportamiento si se quiere, dado que posee una gran estabilidad de fase hasta
varios cientos de GPa. No obstante, en esta parte analizaremos el comportamiento
del hierro puro nanocristalino cuando se lo somete a ondas de choque.
A una presión de alrededor de 13 GPa, el hierro sufre una transformación
de fase sólido-sólido, del tipo BCC → HCP. Las simulaciones atomı́sticas han sido
capaces de arrojar luz sobre esta importante transición. De todas formas, mien-
tras los experimentos muestran clara evidencia de que la transición desde fase-α
es precedida por un comportamiento plástico, las simulaciones realizadas en esta
oportunidad no dicen lo mismo, sino que en cambio muestran el cambio de fase
antes de la plasticidad. En este trabajo hemos empleado potenciales interatómicos
que son capaces de reflejar esta transformación. Los resultados muestran que la
91
92
6.2 Introducción
Existen muchos estudios sobre Fe en condiciones extremas, incluyendo su
rol en la mecánica terrestre como principal constituyente del núcleo de nuestro
planeta. Las investigaciones basadas en técnicas ab initio [155], (Diamond-Anvil
Cell), DAC [156, 157, 158] y los experimentos de choque dinámicos [159], están
permitiendo mejorar la forma en que entendemos el comportamiento de este metal
bajo condiciones de alta presión, sin embargo todavı́a falta entender en detalle el
proceso de transformación sólido-sólido en el rango 10-40 GPa. Los experimen-
tos en hierro policristalino [160, 161, 162] en este rango de presiones, muestran
perfiles de presión de tipo onda triple: primero nos encontramos con la onda de
compresión elástica, luego la transición elasto-plástica y finalmente la transición
de fase BCC→CP (Close-Packed). Las simulaciones de dinámica molecular, al
igual que al respecto de otros materiales, han sido de gran utilidad para describir
esta transfromación sólido-sólido [99, 163, 164, 165], mediante el empleo del poten-
cial de Voter, tipo EAM [166], destacando la presencia de dislocaciones en la fase
transformada CP [164]. De todos modos quedan cuestiones que todavı́a esperan
respuesta, como por ejemplo el hecho de que en nuestras simulaciones se observa
compresión puramente elástica antes del frente de transformación de fase, inclusive
cuando se consideran policristales, además de una cantidad relevante de fracción
de átomos FCC remanentes en la misma fase transformada, cuyas observaciones
93
6.3 Resultados
Para este caso se utilizaron muestras de entre 7 y 36 millones de átomos.
El grueso de las pruebas sin embargo, se realizaron sobre muestras de alrede-
dor de 30 millones, con tamaños de 30x30x430 nm3 . Para generar un policristal
de este tipo se ha recurrido a la técnica conocida como Método de teselación de
Voronoi [175], con un tamaño de grano de unos 7.5 nm, procurando una sección
que contenga al menos unos 10 nano-granos, con un total de unos 960 en la muestra
completa. Luego de la generación, se acostumbra relajar la muestra sometiéndola
a un tı́pico austenizado a alta temperatura [168], necesario para relajar las estruc-
turas intergranulares. En cuanto a la definición de temperaturas iniciales, como
se acostumbra en el transcurso de este trabajo, se define una valor de 10 K para
simplificar la detección de defectos que a mayor temperatura serı́a más dificultoso
debido a las vibraciones del cristal. Las ondas de choque se han generado de la
manera acostumbrada y ya descripta anteriormente con rampas lineales de carga.
La evolución de los perfiles de carga Pz , velocidad de onda vz , tensión de
corte σ1 y fracción de átomos fuera de la estructura FCC firreg se indican en la
figura 6.1, a medida que la onda atraviesa la muestra. Puede observarse que los
perfiles de velocidad desarrollan dos cambios en su pendiente, que llamaremos in-
flexiones solamente con propósitos descriptivos. La primera de ellas se produce
a aproximadamente 0.15 km s−1 , mientras que la segunda lo hace a 0.45 km s−1 .
Cada una de estas inflexiones divide al perfil en tres zonas, estableciendo de esta
manera la estructura que damos en llamar de onda-triple. La velocidad de la
onda de choque se puede determinar a partir de la figura 6.1(a), evaluando cuánto
ha avanzado el material en cada paso de tiempo evaluado. El primer frente de
choque se mueve a unos 6.3 km s−1 seguido por el segundo a 5.9 km s−1 . Fi-
nalmente la velocidad en el tercer segmento de onda es de 5.5 km s−1 . Esos
puntos de inflexión también se evidencian en los perfiles de presión σzz , con valores
de ∼ 10 y ∼ 23 GPa. La interpretación que se hace de estas estructuras de onda
es como sigue; El precursor elástico es seguido por la onda plástica y ésta a su
vez es secundada por el frente de transformación de fase. El lı́mite elástico de
hugoniot (HEL), que determina la transición en la presión entre el rango elástico
95
Figura 6.1: Perfiles para la velocidad vz (a), componente de presión en la dirección de la onda de choque
σz (b), esfuerzo de corte hidrostático σ1 (c) y fracción de material de estructura distinta a FCC firreg (d),
Figura 6.2: Representación de flanco de las estructuras resultantes, en un rango entre 250 y 350 nm desde la
posición donde se produce el contacto entre la onda de choque y la muestra, antes del avance de la onda (arriba)
y 60 ps después, cuando la onda ya ha atravesado esa región (abajo), usando el potencial de Ackland [173]. El
color se ha asignado en base al valor arrojado por el análisis de vecinos comunes de tipo adaptativo (aCNA).
(a) (b)
Figura 6.3: Detalle de una cristalita sometida antes y después de sufrir una deformación plástica y de fase. El
tamaño y morfologı́a de los granos es aproximadamente estable, sin sufrir grandes cambios. El color es indicativo
del tipo de estructura. Rojo: átomos intergranulares; rosado: BCC; amarillo: HCP; celeste: FCC; verde oscuro:
gran incremento de defectos intragranulares entre los 320 y los 280 nm, en consis-
tencia con la segunda inflexión que aparece a 320 nm, marcando el comienzo de
la plasticidad inducida por dislocaciones y del decaimiento en el valor del esfuerzo
de corte. Finalmente, la transformación de fase causa la última inflexión en los
perfiles de velocidad y de presión, generando una nueva reducción en el esfuerzo
de corte a medida que la zona se relaja. La fracción de átomos HCP alcanza even-
tualmente un valor estable atrás del máximo valor para el esfuerzo de corte. Esta
secuencia de eventos proporciona evidencia para afirmar que la nucleación de la
nueva fase es un fenómeno precedido por la activación de la plasticidad y demora
unas decenas de picosegundos antes de completarse. Una cantidad de este tipo es
un tiempo que está muy por debajo de las estimaciones experimentales, donde los
tiempos de transición son del orden de 1 ns [167] para una tasa de deformación de
∼ 108 s−1 , pero una nueva generación de experimentos con escalas de resolución
del orden de un picosegundo podrı́a acotar estas estimaciones [169].
La fase que se produce comienza a nuclearse en los bordes de grano, por lo
que el tamaño de grano luego de esta transformación se mantiene aproximadamente
constante, como puede verse en las dos imágenes de la figura 6.3. El análisis de
las dislocaciones que se han formado luego del paso de la onda de choque muestra
que las mismas también se nuclean en los bordes de grano para luego moverse a
través del medio intragranular.
La Figura 6.4 muestra unas secciones especı́ficas del cristal donde sólo ex-
iste plasticidad, inmediatamente atrás del avance del Hugoniot. Para el caso 6.4a
pueden verse segmentos de dislocaciones rectos, dado que una tı́pica dislocación
mixta se emite desde un lado del grano, con la componente de borde o edge avan-
zando casi transversalmente, mientras que las porciones de tipo tornillo o screw
quedan atrás, de la manera que se muestra en el detalle indicado con un (1).
Las primeras de ellas terminan siendo absorbidas por las estructuras intergranu-
lares cuando llegan al otro extremo del grano, mientras que las últimas quedan
atravesándolos. Esto es lo que sucede por ejemplo con la estructura señalada con
un (3). Asimismo, se han identificado otros tipos de estructuras tales como va-
cancias a distintas profundidades (2). Si en cambio empleamos a la deformación
99
(a) (b)
Figura 6.4: Detalle de estructuras de defectos. (1) dislocation loops, (2) vacancias, (3) screw dislocations.
(a) los átomos ubicados en posiciones cristalinas han sido filtrados para apreciar los defectos. El coloreado es
proporcional a la distancia desde el observador para facilitar la interpretación. (b) detalle de un corte coloreado
por desplazamiendo atómico para mostrar las zonas de deformación preferentes. Como es evidente, la deformación
se produce en la totalidad de las zonas intergranulares, y en segunda instancia en el interior de los granos.
6.4 Conclusiones
En este capı́tulo se discutieron los resultados obtenidos con simulaciones
de dinámica molecular sobre nanocristales de hierro sometidos a ondas de choque,
donde el tiempo de rampa tr se ensayó para tiempos entre 0.1 y 30 ps. El umbral
de plasticidad no muestra dependencia respecto de este parámetro dentro de los
rangos de error de las mediciones, calculados entre 10 y 12 GPa. Estos valores son
los esperados para altas tasas de deformación, donde la plasticidad causada por
dislocaciones depende principalmente de la estructura de los bordes de grano. El
umbral de transformación de fase, por otro lado, decrece sistemáticamente con tr
desde 26 a 22 GPa entre los valores anteriormente citados. Esta presión es consider-
ablemente mayor que la obtenida en condiciones de equilibrio termodinámico, que
es de 13 GPa para el potencial empleado aquı́, indicando un rol importante de la
cinética en la transformación de fase. Algunos resultados experimentales recientes
son también consistentes con la transformación de fase, con valores superiores a
20 GPa[170].
102
(a)
(b) (c)
Figura 6.5: (a) Perfiles de difracción de polvos simulada (SPD) a 70 ps. (a) Patrón de difracción para
secciones de la muestra comprimida elásticamente (profundidad 400 − 410 nm, azul) y con transformación de fase
(profundidad 220 − 230 nm, negro). El perfil central (rojo) muestra el perfil de difracción simulada solamente de
los átomos identificados en fase HCP. Se incluyen además los ı́ndices de cada pico para para fase HCP (puntos
rojos), FCC (puntos verde y blancos ) y BCC (puntos azules). Se incluye además el trazado de haces, simulando
e patrón de difracción como se obtendrı́a en una muestra experimental, para material no perturbado (b) y aguas
abajo de la onda de choque (c). Los últimos se obtienen simulando una pelı́cula de 50x50 mm2 , a 30 mm en
configuración de transmisión, empleando un haz incidente de 8.05 keV (Cu Kα), perpendicular a la pelı́cula.
Capı́tulo 7
Notas Finales
103
104
lo que puede ocurrir en una escala de observación que habı́a permanecido vedada
de nuestro alcance práctico, y a la que recién en estos tiempos comenzamos a
acercarnos experimentalmente.
En el capı́tulo 4 se simularon monocristales sometidos a compresión uniaxial
a lo largo de distintas direcciones cristalográficas de interés, implementando defec-
tos que proporcionaran zonas de plasticidad heterogénea. Se encontró que para los
potenciales interatómicos analizados, las regiones de carga elástica dependen de
los módulos elásticos correspondientes, y que el umbral de plasticidad heterogénea
entonces depende tanto del tamaño de los defectos pre-existentes como de la di-
rección de carga. También se demostró que estos potenciales llegan eventualmente
a valores de saturación equivalentes en la densidad de dislocaciones, al contrario
de lo que sucede con la fracción de twinning, a pesar de que los mecanismos de
deslizamiento que actúan en cada caso también coinciden. Esto nos permitió enfa-
tizar en la importancia del desarrollo de nuevos modelos constitutivos que tengan
en cuenta estas consideraciones.
En el capı́tulo 5 mostramos los mecanismos de activación que se observan en
muestras de tantalio monocristalino cuando se las somete a ondas de choque sobre
ciertas direcciones de interés particular, a saber [001] y [110]. Para el primer caso se
realizó un análisis sistemático variando las velocidades de incidencia del pistón, y la
duración de la rampa de velocidad. Mostramos que los umbrales de activación para
nucleación heterogénea se producen a distintas velocidades, con una coexistencia
de ambos a valores intermedios. Los parámetros finales están en acuerdo con los
resultados experimentales. En cuanto a la dirección [110], se encontró nucleación
de dislocaciones junto con un mecanismo de twinning-detwinning que evoluciona
mientras la muestra se encuentra bajo acción de la onda de choque. El mecanismo
de recuperación ha sido explicado para casos simples de nanocables bcc sometidos a
ciclos de tensión-compresión, pero totavı́a no está bien entendido porqué el mismo
mecanismo ocurre bajo acción compresiva de ondas de choque, antes del release.
Cabe señalar que el potencial interatómico utilizado en los capı́tulos 4 y
5 (Ta1) no habı́a sido utilizado previamente, por cuanto nuestro grupo de inves-
tigación tuvo la oportunidad de realizar las primeras pruebas. Esto permitió un
105
muy buen grado de interacción con el Prof. Ravelo, el autor de este potencial
interatómico. Con posterioridad a la realización de esta tesis, se desarrolló una
nueva versión del mismo (Ta2) que fue publicada en forma conjunta con la versión
original [28]. Ambas versiones difieren en la cantidad de parámetros empleados
en el ajuste del potencial. La aplicación de uno u otro es indistinta para nuestro
caso particular, dado que los niveles de energı́a presentes en nuestras simulaciones
permiten despreciar las contribuciones de los términos de alto orden en la función
de interacción de a pares en su parte repulsiva.
Posteriormente y en complejidad creciente, mostramos un caso de onda
de choque incidente sobre un metal BCC, pero esta vez con una estructura poli-
cristalina, además de utilizar hierro como sujeto de prueba, dado que este el-
emento desarrolla una transformación sólido-sólido BCC → HCP. En resumen,
nuestras simulaciones, en conjunto con una reciente generación de experimentos
incluyendo choques de alta presión y carga de pelı́culas de espesor micrométrico,
junto con la posibilidad de obtener patrones de difracción con resoluciones tem-
porales del orden de los 10 ps [169], anticipan un considerable efecto sinérgico
entre experimentos y simulaciones que ya comienzan a mostrar solapamiento en
las escalas espacio-temporales de aplicación, proporcionando la base ideal para un
entendimiento más profundo de los materiales bajo condiciones extremas. En par-
ticular, hemos mostrado que la plasticidad precede a la transformación de fase; y
que una muestra policristalina con granos lo suficientemente grandes sometido a
una onda de choque con tasa de crecimiento suficientemente baja, permite que las
dislocaciones se nucleen y crezcan antes de que la transición de fase tome parte.
Apéndice A
Publicaciones
106
High Energy Density Physics 10 (2014) 9e15
a r t i c l e i n f o a b s t r a c t
Article history: We present Non-Equilibrium Molecular Dynamics (NEMD) simulations of shock wave compression along
Received 10 October 2013 the [001] direction in monocrystalline Tantalum, including pre-existing defects which act as dislocation
Accepted 16 October 2013 sources. We use a new Embedded Atom Model (EAM) potential and study the nucleation and evolution
Available online 31 October 2013
of dislocations as a function of shock pressure and loading rise time. We find that the flow stress and
dislocation density behind the shock front depend on strain rate. We find excellent agreement with
Keywords:
recent experimental results on strength and recovered microstructure, which goes from dislocations to a
Tantalum
mixture of dislocations and twins, to twinning dominated response, as the shock pressure increases.
Molecular dynamics
Shocks
Ó 2013 Elsevier B.V. All rights reserved.
1574-1818/$ e see front matter Ó 2013 Elsevier B.V. All rights reserved.
http://dx.doi.org/10.1016/j.hedp.2013.10.007
Computational Materials Science 90 (2014) 82–88
a r t i c l e i n f o a b s t r a c t
Article history: Defective Tantalum monocrystals are expected to display a particularly rich behavior when stressed
Received 29 January 2014 along different directions. Using molecular dynamics simulations, we model Ta monocrystals containing
Received in revised form 27 March 2014 a single spherical void of different sizes, under uniaxial compression, for two empirical potentials. Differ-
Accepted 30 March 2014
ences on the yield point, dislocation generation and plastic heating are observed depending on the void
size and stress direction, as distinct slip systems are activated, resulting in a variety of dislocation struc-
tures and mobilities.
Keywords:
Ó 2014 Elsevier B.V. All rights reserved.
Molecular dynamics
Tantalum
Plasticity
Nanovoids
1. Introduction the model by Gurson [23] leading to several improved and related
models [24]. In general, these models do not take into account
Defects like dislocations, impurities, vacancies, etc., control crystallographic orientation nor the effect of void size, with some
metal plasticity, and determine applicability limits for technologi- notable exceptions [25–29]. Recent work by Bathia et al. [30] tries
cal applications. Voids, i.e. vacancy clusters, are ubiquitous in met- to improve on this for FCC Al monocrystals loaded along different
als and they can arise during the manufacturing process [1,2], directions and including voids.
mechanical loading [3], or radiation damage [4,5]. Regarding In this study we also consider monocrystals but with BCC struc-
mechanical loading, void nucleation is often considered the first ture. Tantalum was chosen as a model BCC metal because of its
stage of ductile fracture, and there are many studies focusing on technological relevance, and because it does not have thermody-
void nucleation and growth at the nanoscale, specially for Face- namic phase transitions up to fairly high pressures and tempera-
Centered-Cubic (FCC) metals [6–12]. There is much less work tures [16], unlike Iron [31]. Two different interatomic potentials
focused on compression of nanovoids [4,13,14]. Atomistic simula- are considered: the Extended Finnis–Sinclair (EFS) potential by
tions of FCC metals are carried out often partly due to large number Dai et al. [32], and the Embedded Atom Model (EAM) potential
of reliable empirical potentials for such metals [15]. Building accu- by Ravelo et al. [17]. Both potentials are of the EAM type, but we
rate interatomic potentials for Body-Centered Cubic (BCC) metals decided to call them in the above manner to be consistent with
is typically more challenging [16,17], but there is an increasing the style used by the scientific community and provide more clar-
amount of work on voids in BCC metals [18–22]. Nevertheless, a ity to the text. Ta monocrystals with a single void are subject to a
large number of questions about the behavior of nanovoids under compressive uniaxial load along the principal crystallographic
compression remain unanswered. New, detailed atomistic studies directions, as an initial stage to study polycrystalline samples. Void
are needed in order to build reliable constitutive models which size was systematically varied to obtain size-dependent yielding
work at the nanoscale. stress and compare to existing models.
The mechanical behavior of materials with porosity has been
treated with continuum-level constitutive model for decades, with
2. Materials and methods
⇑ Corresponding author at: Instituto de Ciencias Básicas, Universidad Nacional de
Cuyo, Mendoza, M5502JMA, Argentina. Tel.: +54 92616796262. The simulations were performed using the molecular dynamics
E-mail address: ebringa@yahoo.com (E. Bringa). code LAMMPS [33]. Cubic single crystal samples with sides from 33
URL: http://sites.google.com/site/simafweb/. to 46 nm were generated with periodic boundary conditions along
http://dx.doi.org/10.1016/j.commatsci.2014.03.069
0927-0256/Ó 2014 Elsevier B.V. All rights reserved.
JOURNAL OF APPLIED PHYSICS 117, 085901 (2015)
[This article is copyrighted as indicated in the article. Reuse of AIP content is subject to the terms at: http://scitation.aip.org/termsconditions. Downloaded to ] IP:
188.98.252.218 On: Fri, 27 Feb 2015 13:37:37
RAPID COMMUNICATIONS
At a pressure of around 13 GPa iron undergoes a structural phase transition from the bcc to the hexagonal
close-packed phase. Atomistic simulations have provided important insights into this transition. However, while
experiments in polycrystals show clear evidence that the α- transition is preceded by plasticity, simulations up
to now could not detect any plastic activity occurring before the phase change. Here we study shock waves in
polycrystalline Fe using an interatomic potential which incorporates the α- transition faithfully. Our simulations
show that the phase transformation is preceded by dislocation generation at grain boundaries, giving a three-wave
profile. The α- transformation pressure is much higher than the equilibrium transformation pressure but decreases
slightly with increasing loading ramp time (decreasing strain rate). The transformed phase is mostly composed
of hcp grains with large defect density. Simulated x-ray diffraction displays clear evidence for this hcp phase,
with powder-diffraction-type patterns as they would be seen using current experimental setups.
The study of materials under pressure is important to un- ramp time, thus allowing for sufficient time for plasticity
derstand geophysical and astronomical processes but has also to build up; (iii) we employ sufficiently large grains in our
technological implications, for instance due to the possibility nanocrystalline sample to allow for dislocation nucleation;
of creating new phases which might be stable at ambient and (iv) we calculate simulated x-ray diffraction profiles, as
conditions, with improved characteristics. In particular, there in a recent setup using spatial and temporal scales accessible
are many studies of iron under pressure, given that iron is to molecular-dynamics simulation [16]. These features allow
an element of relevance in multiple areas, including its role us to obtain the experimental three-wave shock structure,
in the Earth’s core. Research using ab initio simulations [1], alongside a large increase in transition pressure recently
diamond anvil cells [2–4], and dynamic shock experiments [5] observed experimentally [17], and could help guide future
is achieving increasing understanding of iron phase changes experiments for Fe nanocrystals.
at high pressure, but detailed understanding of the solid-solid The molecular dynamics code LAMMPS [18] was used
phase transition occurring around 10–30 GPa is still lacking. to perform the simulations. A recent review [19] studied
Shock experiments in polycrystalline Fe [6–8] in that several often-used Fe empirical potentials, comparing them
pressure range show a three-wave structure: first the elastic to ab-initio calculations, including results on dislocation core
compression wave, then an elastic-plastic transition, and structure and energy. Here, we employ a recent EAM potential,
finally the phase transition from bcc to close packed (cp). similar to the Machová and Ackland potential [20,21], but
Atomistic molecular dynamic (MD) simulations have been fitted specifically to provide the bcc → hcp phase transition
successful in describing the bcc → cp phase transition [9–12], which should occur in Fe under pressure. This potential has
using the Voter embedded-atom-model (EAM) potential [13], been described in detail recently [15] and gives a bcc →
with dislocations in the transformed cp phase [11]. However, hcp transition at 13.75 GPa. We denote it as the Ackland po-
there are outstanding issues that remain in our current under- tential. In addition, we performed reference simulations with
standing of shocks in Fe: Existing simulations observe purely the often-used Mendelev potential [22]. It provides a reason-
elastic compression before the phase transformation front, able description of dislocation properties but does not describe
even when polycrystals are considered [11], and a large fcc properly the pressure-induced bcc → cp phase transition, since
fraction in the simulated transformed phase, the observation its barrier is assumed high and the transition occurs only above
of which has been elusive in experiments [14]. 60 GPa.
In this paper we go beyond previous simulations in We have used samples containing 7–36 million atoms.
polycrystalline Fe in several aspects: (i) we employ an Most of the simulations discussed here are for a sample with
EAM potential which describes both the phase transition nearly 30 million atoms, with size ∼30 × 30 × 430 nm3 .
and dislocation-based plasticity in the bcc phase, as it The sample was constructed with the Voronoi tesselation
has been recently shown for homogeneous compression of method [23] with a mean grain size of 7.5 nm. The cross
Fe samples [15]; (ii) we implement a finite shock-loading section of the sample contains more than 10 grains, and the
complete sample contains 960 grains. We relax the sample
using high-temperature annealing as in Ref. [15], which is
*
urbassek@rhrk.uni-kl.de; http://www.physik.uni-kl.de/urbassek/ essential to equilibrate grain boundaries (GBs). The system
Abstract
Strong shock waves create not only plasticity in Fe, but also phase transform the
material from its bcc phase to the high-pressure hcp phase. We perform mole-
cular-dynamics simulations of large, 8-million atom nanocrystalline Fe samples
to study the interplay between these two mechanisms. We compare results for a
potential that describes dislocation generation realistically but excludes phase
change with another which in addition faithfully features the bcc → hcp trans-
formation. With increasing shock strength, we find a transition from a two-wave
structure (elastic and plastic wave) to a three-wave structure (an additional
phase-transformation wave), in agreement with experiment. Our results
demonstrate that the phase transformation is preceded by dislocation generation
at the grain boundaries (GBs). Plasticity is mostly given by the formation of
dislocation loops, which cross the grains and leave behind screw dislocations.
We find that the phase transition occurs for a particle velocity between 0.6 and
0.7 km s−1. The phase transition takes only about 10 ps, and the transition time
decreases with increasing shock pressure.
Content from this work may be used under the terms of the Creative Commons Attribution 3.0 licence.
Any further distribution of this work must maintain attribution to the author(s) and the title of the work, journal
citation and DOI.
a r t i c l e in f o abstract
Article history: Using molecular-dynamics simulation, we study nanoindentation in fcc (Cu and Al) and
Received 22 July 2014 bcc (Fe and Ta) metals by a spherical indenter and investigate the size of the plastic zone
Received in revised form generated. We find that while it does not strongly depend on crystal structure, surface
28 October 2014
orientation, and indentation parameters, the extent of the plastic zone is substantially
Accepted 7 November 2014
Available online 13 November 2014
larger before the retraction of the indenter. After retraction, the results are in good
agreement with available published data. Plasticity develops by the generation, propa-
Keywords: gation and reaction of dislocations; they fall into two groups, those that adhere to the
Molecular dynamics indentation pit, and those that have been emitted either into the substrate interior or glide
Nanoindentation
along the surface. The total length of the dislocation network generated roughly follows
Dislocations
available geometrical estimates; results for individual surface orientations may, however,
Plasticity
Dislocation density differ quite strongly. The radial distribution of the dislocations attached to the indentation
Plastic zone pit is computed; as a rule it shows a maximum at some depth below the indentation pit.
Pile-up & 2014 Elsevier Ltd. All rights reserved.
1. Introduction
Indentation constitutes a prototypical example where the creation of plasticity can be studied (Tabor, 1951; Johnson,
1985; Fischer-Cripps, 2004). Consider for concreteness a spherical indenter of radius R which is pushed into the surface to a
depth d. For small depths d, the deformation of the surface is purely elastic. With increasing d, the pressure generated in the
substrate rises, until it surpasses the yield strength of the material and dislocations nucleate. This occurs inside the material
at some distance from the indenter. The generated dislocations move away from the indenter due to the strong stress
gradient produced. The region filled with dislocations is known as the plastic zone; the determination of its size and
properties is the topic of this paper.
Besides fundamental interest in the properties of the plasticity generated, the dislocations contained in it influence the
properties of the material. In particular they lead to work hardening of the material; its magnitude depends on the dislocation
density in the plastic zone and thus of its size. This effect is well known in the literature as the indentation size effect (Nix and Gao,
1998): the indentation hardness measured in an indentation experiment depends on the indentation depth. The determination
of the dislocation density in the plastic zone is a key input parameter to quantify this hardening (Nix and Gao, 1998).
n
Corresponding author.
E-mail address: urbassek@rhrk.uni-kl.de (H.M. Urbassek).
URL: http://www.physik.uni-kl.de/urbassek/ (H.M. Urbassek).
http://dx.doi.org/10.1016/j.jmps.2014.11.005
0022-5096/& 2014 Elsevier Ltd. All rights reserved.
Materials Science & Engineering A 613 (2014) 390–403
art ic l e i nf o a b s t r a c t
Article history: Nanoindentation simulations are a helpful complement to experiments. There is a dearth of nanoindentation
Received 20 June 2014 simulations for bcc metals, partly due to the lack of computationally efficient and reliable interatomic
Received in revised form potentials at large strains. We carry out indentation simulations for bcc tantalum using three different
1 July 2014
interatomic potentials and present the defect mechanisms responsible for the creation and expansion of the
Accepted 2 July 2014
Available online 11 July 2014
plastic deformation zone: twins are initially formed, giving rise to shear loop expansion and the formation of
sequential prismatic loops. The calculated elastic constants as function of pressure as well as stacking fault
Keywords: energy surfaces explain the significant differences found in the defect structures generated for the three
MD simulation potentials investigated in this study. The simulations enable the quantification of total dislocation length and
Tantalum
twinning fraction. The indenter velocity is varied and, as expected, the penetration depth for the first pop-in
Nanoindentation
(defect emission) event shows a strain rate sensitivity m in the range of 0.037–0.055. The effect of indenter
Plasticity
Twinning diameter on the first pop-in is discussed. A new intrinsic length-scale model is presented based on the
profile of the residual indentation and geometrically necessary dislocation theory.
& 2014 Elsevier B.V. All rights reserved.
http://dx.doi.org/10.1016/j.msea.2014.07.001
0921-5093/& 2014 Elsevier B.V. All rights reserved.
Mecánica Computacional Vol XXXI, págs. 1877-1887 (artículo completo)
Alberto Cardona, Paul H. Kohan, Ricardo D. Quinteros, Mario A. Storti (Eds.)
Salta, Argentina, 13-16 Noviembre 2012
Abstract. Several impact and fragmentation scenarios were studied using peridynamics, including
impact on thin discs, taking into consideration the stiffness of the impactors and its influence on the
fragmentation pattern. The promising peridynamics theory allows bypassing the mathematical singu-
larity that a fracture represents within the classical theory of continuum mechanics, conditioned to the
constitutive models available for such a problem. In our tests, the prototype microelastic brittle model
was used, and the influence of the constitutive model parameters on discs and spheres fragmentation was
studied. Collision and fragmentation of spherical clusters are compared to similar results using atomistic
and granular models.
Abstract: The determination of the threshold for plastic deformation in the collision of nanograins is of interest for
nanotechnology and astrophysics applications. Atomistic molecular dynamics was used to simulate the collision of two
spherical nanograins, with a crystal face centered cubic (FCC) structure, and plastic activity was quantified by
measuring stacking faults, which are the main deformation mode for these grains. A parameter sweep was required to
sample the collision space with multiple grain orientations and impact parameters. The simulations were executed in a
GPGPU (General Purpose Graphic Processing Units) and HPC (High Performance Computing) environment, to
compare their relative computational efficiency. The critical velocity at the plastic threshold was found to decreases
with increasing grain radius.
Key words: Molecular Dynamics, High Performance Computing, GPGPU, Parameter Sweep, Collisions, Nanograins.
1. INTRODUCTION
Collisions of nanograins play an important role in several scenarios, from nanotechnology [1], [2],
[3] to astrophysics [1], [4]. Molecular dynamics (MD) simulations are used here to model this collision
process. MD simulations solve the equations of motion for a set of atoms interacting through interatomic
potentials [5], [6]. MD simulations are a versatile tool to study mechanical properties of materials, and they
have often predated experimental results regarding the understanding of nanomaterials. One of the
advantages of MD is that the strain, stress, temperature, velocity, etc. are known in detail [5]. MD
simulations have been extremely successful to model a variety of systems, especially at the nanoscale [1].
There are many studies of nanograin collisions using atomistic or coarse-grained simulations. Some studies
focus on grain mixing [2] or fragmentation [7], [8], [4]. In coarse-grain simulations grains are typically
approximated as perfectly elastic spheres [4], which limit their applicability to velocities lower than the
plastic threshold for the material. Accurate determinations of the plastic threshold is not easily carried out,
because macroscopic plastic yielding changes at the nanoscale, including strain rate effects, which will
depend on grain size and collision velocities. A recent study analyzes the plastic threshold for amorphous
nanograins colliding with a hard wall [3], and finds the velocity threshold for plasticity of a grain with few
thousand atoms, analyzing energy changes before/after the collision.
In this paper, the collision of two nanograins is analyzed to detect and quantify plastic activity.
Grains are built by carving spheres of radius R from a perfect Face Centered Cubic (FCC) structure, but the
orientation of the grains is random. Using crystals eliminates the need for complex relaxation and energy
comparisons needed in amorphous solids [3]. The interaction among the atoms is given by the Lennard-
Jones LJ potential, as used in [5], [2]. In FCC solids, large stress leads to Partial Dislocations (PDs)
traveling rapidly through the material. FCC solids have a ABCABCABC… type packing, with planes of
type A, B or C. Stacking Faults occur when this stacking gets broken, as in ABCABABC… SFs in FCC
solids appear in close-packed {111} planes. In this case, partials dislocations are expected to run across the
nanograins and to be absorbed at the opposite surface, leaving behind only stacking faults (SFs) which
change the mechanical properties of the material. Therefore, to measure the amount of plasticity, atoms in
SFs are counted as defective atoms using a combination of Centro-Symmetry Parameter (CSP) [9] and
coordination number to avoid counting some surface atoms as part of SFs. We also calculate the average
and standard error in the number of atoms in SFs and PDs, over all simulated orientations, as a function of
velocity, to estimate variability due to varying initial collision conditions. With these values we can observe
315
Apéndice B
116
117
56 elem = [ 1 8 0 . 9 4 7 8 8 , 3.3040]
57 elif ( a r g == ’Nb ’ ) :
58 elem = [ 9 2 . 9 0 6 3 8 , 3.3004]
59 elif ( a r g == ’W’ ) :
60 elem = [ 1 8 3 . 8 4 , 3.1652]
61 elif ( a r g == ’Mo ’ ) :
62 elem = [ 9 5 . 9 4 , 3.147]
63 elif ( a r g == ’V ’ ) :
64 elem = [ 5 0 . 9 4 1 5 , 3.03]
65 elif ( a r g == ’ Cr ’ ) :
66 elem = [ 5 1 . 9 9 6 1 , 2.91]
67 elif ( a r g == ’ Fe ’ ) :
68 elem = [ 5 5 . 8 4 5 , 2.86]
69 elif ( a r g == ’C ’ ) :
70 elem = [ 1 2 . 0 1 0 7 , 3.57]
71 elif ( a r g == ’ LJ ’ ) :
72 elem = [ 2 8 . 0 8 5 5 , 1.326]
73 elif o p t == ’− l ’ :
74 l y r s = f l o a t ( arg )
75 elif opt i n ( ’−v ’ , ’−−vr b ’ ) :
76 vrb = i n t ( a r g )
77 elif opt i n ( ’−w ’ , ’−−w r i t e t o ’ ) :
78 wrto = s t r . s t r i p ( a r g )
79 elif opt i n ( ’−h ’ , ’−−h e l p ’ ) :
80 usageext ()
81 sys . exit (2)
82 else :
83 usage ( )
84 sys . exit (2)
85
86 d e f pb ( c o u n t e r , t o t a l , m e s s a g e= ’ ’ ) :
87 if ( c o u n t e r == 0 ) : counter = 1
88 if ( ( c o u n t e r % i n t ( t o t a l / 1 0 0 0 ) ) == 0 ) :
89 if ( vr b ) : s y s . s t d o u t . w r i t e ( ” \ r [%−20 s ] %d%%. %s ” % ( ’= ’ ∗ i n t ( round ( c o u n t e r ∗20/ t o t a l , 0 ) ) ,
round ( c o u n t e r ∗100/ t o t a l , 0 ) , s t r ( m e s s a g e ) ) )
90
91
92 def f i n d ( name , path ) :
93 for root , dirs , files in o s . walk ( path ) :
94 i f name i n files :
95 return o s . path . j o i n ( r o o t , name )
96 else : return 0
97
98
99 def f i n d a l l ( pattern ) :
100 matches = [ ]
101
102 for root , dirnames , filenames in o s . walk ( ” . / ” ) :
103 for filename i n fnmatch . f i l t e r ( f i l e n a m e s , pattern ) :
104 matches . append ( o s . path . j o i n ( r o o t , filename ) )
105 r e t u r n matches
106
107 def extractpath ( nf l ) :
108 i n n f l = open ( n f l , ’ r ’ )
109 n f l p a t h = o s . path . dirname ( o s . path . a b s p a t h ( i n n f l . name ) )
110 innfl . close ()
111 return nflpath
112
113 def openfile ( inptfl ) :
114 g l o b a l checkC123 ; g l o b a l checkC456 ; global checkVels ; global checkPot
115 global checkKin ; global outcols ; g l o b a l checkC5
116
117 i n d t = open ( i n p t f l , ’ r ’ )
118 i n d t . r e a d l i n e ( ) #ITEM : TIMESTEP
119
119 tmstp = s t r . s t r i p ( i n d t . r e a d l i n e ( ) )
120 i n d t . r e a d l i n e ( ) #ITEM : NUMBER OF ATOMS
121 ntms = l o n g ( i n d t . r e a d l i n e ( ) )
122 i n d t . r e a d l i n e ( ) #ITEM : BOX BOUNDS pp pp s s [A]
123 xl , x r = map ( f l o a t , s t r . s p l i t ( i n d t . r e a d l i n e ( ) ) )
124 xrng = xr − x l
125 yl , y r = map ( f l o a t , s t r . s p l i t ( i n d t . r e a d l i n e ( ) ) )
126 yrng = yr − y l
127 zl , z r = map ( f l o a t , s t r . s p l i t ( i n d t . r e a d l i n e ( ) ) )
128 # print ’ x l=%s \n ’ %( x l )
129 # print ’ x r=%s \n ’ %( x r )
130 # print ’ y l=%s \n ’ %( y l )
131 # print ’ y r=%s \n ’ %( y r )
132 # print ’ z l=%s \n ’ %( z l )
133 # print ’ z r=%s \n ’ %( z r )
134 z r n g = z r − z l # Z r a n g e from 0 , b e c a u s e o f sample displacelemt
135 c o l s t r u c t = s t r . s p l i t ( i n d t . r e a d l i n e ( ) ) #ITEM : ATOMS x y z c 5 c 3 ...
136 # print ’ T i me s t e p : %s \n ’ % ( tmstp )
137 o t l o g = open ( o s . path . dirname ( o s . path . a b s p a t h ( i n d t . name ) ) + ’ / l o g . ’ + wrto + ’ . ’ + s t r ( tmstp
), ’w ’ )
138 colstruct = colstruct [ 2 : ]
139 #==============================================================================
140 # Check p r e s e n c e o f some c a l c u l a t i o n fields
141 #==============================================================================
142 tmpidx = 0
143 try :
144 tmpidx = c o l s t r u c t . i n d e x ( s t s+ ’ [ 1 ] ’ )
145 tmpidx = c o l s t r u c t . i n d e x ( s t s+ ’ [ 2 ] ’ )
146 tmpidx = c o l s t r u c t . i n d e x ( s t s+ ’ [ 3 ] ’ )
147 checkC123 = True
148 #P and S1 e n a b l e d
149 o u t c o l s . append ( ’P [ GPa ] ’ )
150 o u t c o l s . append ( ’ S1 [ GPa ] ’ ) #s c i e n c e way
151 o u t c o l s . append ( ’ S2 [ GPa ] ’ ) #p r l way
152 o u t c o l s . append ( ’ Sxx [ GPa ] ’ ) #p r l way
153 o u t c o l s . append ( ’ Syy [ GPa ] ’ ) #p r l way
154 o u t c o l s . append ( ’ S z z [ GPa ] ’ ) #p r l way
155
156 except ValueError :
157 checkC123 = F a l s e
158 if ( vr b ) : sys . stdout . write ( ’ No d i a g o n a l stress tensors are present .\n ’ )
159 o t l o g . w r i t e ( ’ No d i a g o n a l stress tensors are present .\n ’ )
160
161 try :
162 tmpidx = c o l s t r u c t . i n d e x ( s t s+ ’ [ 4 ] ’ )
163 tmpidx = c o l s t r u c t . i n d e x ( s t s+ ’ [ 5 ] ’ )
164 tmpidx = c o l s t r u c t . i n d e x ( s t s+ ’ [ 6 ] ’ )
165 checkC456 = True
166 #Svm e n a b l e d
167 o u t c o l s . append ( ’ Sxy [ GPa ] ’ ) #p r l way
168 o u t c o l s . append ( ’ Sxz [ GPa ] ’ ) #p r l way
169 o u t c o l s . append ( ’ Syz [ GPa ] ’ ) #p r l way
170 o u t c o l s . append ( ’Svm [ GPa ] ’ )
171
172 except ValueError :
173 checkC456 = F a l s e
174 if ( vr b ) : sys . stdout . write ( ’ No o f f −d i a g o n a l stress tensors are present .\n ’ )
175 o t l o g . w r i t e ( ’ No o f f −d i a g o n a l stress tensors are present .\n ’ )
176
177 try :
178 tmpidx = c o l s t r u c t . i n d e x ( ’ vx ’ )
179 tmpidx = c o l s t r u c t . i n d e x ( ’ vy ’ )
180 tmpidx = c o l s t r u c t . i n d e x ( ’ vz ’ )
181 c h e c k V e l s = True
120
243 #Dens [ 1 / a3 ] , NAtom , P [ GPa ] , Pxx [ GPa ] , Pyy [ GPa ] , Pzz [ GPa ] , S h e a r S C I [ GPa ] ,CNA[ a r b ] <−14
244 #Pxy [ GPa ] , Pxz [ GPa ] , Pyz [ GPa ] ,VMp[ GPa ] , Shear PRL [ GPa ] , VMt [ GPa ] , NnonBCC [ a r b ] , r h o d [ a r b ] <−22
245 indat . seek (1)
246 [ indat . readline () for i in range (9) ]
247 if ( vr b ) : sys . stdout . write ( ’ Computing v a l u e s . \ n ’ )
248 counter = 0
249 for iterline in indat :
250 # r e a d x ( i ) , y ( i ) , z ( i ) , cna ( i ) , Pe , Ke , Vx ( i ) , Vy ( i ) , Vz ( i ) <−8
251 # i d , Pxx ( i ) , Pyy ( i ) , Pzz ( i ) <−12
252 # Pxy , Pxz , Pyz , c e n t r o ( i ) <−16
253 # compute 1 all ke / atom
254 # compute 2 all c e n t r o / atom 14
255 # compute 3 all pe / atom
256 # compute 4 all s t r e s s / atom p a i r
257 # compute 5 all cna / atom 3 . 9
258 l i n e i n = map ( f l o a t , s t r . s p l i t ( i t e r l i n e ) )
259 n b i n = i n t ( round ( ( l i n e i n [ c o l s t r u c t . i n d e x ( ’ z ’ ) ] − dimsampl [ 2 ] [ 0 ] ) ∗ 1 e −1/ t h c k n s s ) )
260 p2 = [ l i n e i n [ c o l s t r u c t . i n d e x ( ’ x ’ ) ] , l i n e i n [ c o l s t r u c t . i n d e x ( ’ y ’ ) ] ]
261 if ( p2 [ 0 ] == 0 ) :
262 t h e t a = math . p i ∗ 0 . 5
263 else :
264 t h e t a = math . a t a n ( p2 [ 1 ] / p2 [ 0 ] )
265 #c a l c u l a t e atomic p r e s s u r e and s h e a r
266 #f o r s h e a r assumes stress tensor is d i a g o n a l and t h a t deformation is along z
267
268 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] += 1 #Natoms
269
270 if ( checkC123 ) :
271 P r e s s = 0 . 3 3 3 3 3 3 3 ∗ ( l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 1 ] ’ ) ] + l i n e i n [ c o l s t r u c t . i n d e x (
s t s+ ’ [ 2 ] ’ ) ] + l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 3 ] ’ ) ] )#[ Bar ∗ A ]
272 S1 = 0 . 5 ∗ ( l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 3 ] ’ ) ] − 0 . 5 ∗ ( l i n e i n [ c o l s t r u c t . i n d e x ( s t s+
’ [ 1 ] ’ ) ] + l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 2 ] ’ ) ] ) )#[ Bar ∗ A ]
273 S2 = 0 . 4 0 8 2 4 8 2 9 0 4 6 3 8 6 3 1 ∗ ( l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 3 ] ’ ) ] − 0 . 5 ∗ ( l i n e i n [
c o l s t r u c t . i n d e x ( s t s+ ’ [ 1 ] ’ ) ] + l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 2 ] ’ ) ] ) )#[ Bar ∗ A ]
0 . 4 0 8 2 4 8 2 9 0 4 6 3 8 6 3 1 = 1 / math . s q r t ( 6 )
274 Svmpri = ( l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 1 ] ’ ) ]− l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 2 ] ’ ) ] ) ∗
( l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 1 ] ’ ) ]− l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 2 ] ’ ) ] )
275 Svmpri += ( l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 1 ] ’ ) ]− l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 3 ] ’ ) ] ) ∗
( l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 1 ] ’ ) ]− l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 3 ] ’ ) ] )
276 Svmpri += ( l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 2 ] ’ ) ]− l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 3 ] ’ ) ] ) ∗
( l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 2 ] ’ ) ]− l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 3 ] ’ ) ] )
277 Svmpri ∗= 0 . 5 #[ Bar ∗ A ]
278 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’P [ GPa ] ’ ) ] += P r e s s #P [ bar− A ]
279 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ S1 [ GPa ] ’ ) ] += S1 #S i g m a 1 [ bar− A ]
280 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ S2 [ GPa ] ’ ) ] += S2 #S i g m a 1 [ bar− A ]
281
282 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ Sxx [ GPa ] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 1 ] ’ ) ] #
Sxx [ bar− A ]
283 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ Syy [ GPa ] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 2 ] ’ ) ] #
Syy [ bar− A ]
284 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ S z z [ GPa ] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 3 ] ’ ) ] #
S z z [ bar− A ]
285
286
287 if ( checkC456 ) :
288
289 Svmsec = l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 4 ] ’ ) ] ∗ l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 4 ] ’ ) ]
290 Svmsec += l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 5 ] ’ ) ] ∗ l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 5 ] ’ ) ]
291 Svmsec += l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 6 ] ’ ) ] ∗ l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 6 ] ’ ) ]
292 Svmsec ∗= 3 #[ Bar ∗ A ]
293
294 Svmtot = math . s q r t ( Svmpri + Svmsec )#[ Bar ∗ A ]
295
296 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ Sxy [ GPa ] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 4 ] ’ ) ] #
122
Sxy [ bar− A ]
297 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ Sxz [ GPa ] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 5 ] ’ ) ] #
Sxz [ bar− A ]
298 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ Syz [ GPa ] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( s t s+ ’ [ 6 ] ’ ) ] #
Syz [ bar− A ]
299
300
301 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’Svm [ GPa ] ’ ) ] += Svmtot #Svm [ bar− A ]
302
303 if ( checkVels ) :
304 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ vx [ km s ˆ −1] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( ’ vx ’ ) ] #Vx [ A
/ ps ]
305 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ vy [ km s ˆ −1] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( ’ vy ’ ) ] #Vx [ A
/ ps ]
306 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ vz [ km s ˆ −1] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( ’ vz ’ ) ] #Vx [ A
/ ps ]
307 # v l i s t . append ( [ l i n e i n [ c o l s t r u c t . i n d e x ( ’ z ’ ) ] , l i n e i n [ c o l s t r u c t . i n d e x ( ’ vx ’ ) ] , l i n e i n [
c o l s t r u c t . i n d e x ( ’ vy ’ ) ] , l i n e i n [ c o l s t r u c t . i n d e x ( ’ vz ’ ) ] ] )
308 r= math . s q r t ( ( l i n e i n [ c o l s t r u c t . i n d e x ( ’ x ’ ) ]− c e n t e r [ 0 ] ) ∗ ( l i n e i n [ c o l s t r u c t . i n d e x ( ’ x ’ )
]− c e n t e r [ 0 ] ) +( l i n e i n [ c o l s t r u c t . i n d e x ( ’ y ’ ) ]− c e n t e r [ 1 ] ) ∗ ( l i n e i n [ c o l s t r u c t . i n d e x (
’ y ’ ) ]− c e n t e r [ 1 ] ) )
309 if ( ( r >= dimsampl [ 2 ] [ 0 ] ) and ( a b s ( n b i n − l i n e i n [ c o l s t r u c t . i n d e x ( ’ z ’ ) ] ∗ 1 e −1) <= a b s
( nbin + thc knss /2) ) ) :
310 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ v r [ km s ˆ −1] ’ ) ] += ( l i n e i n [ c o l s t r u c t . i n d e x ( ’ vx ’ ) ]
∗ math . c o s ( t h e t a ) ) + ( l i n e i n [ c o l s t r u c t . i n d e x ( ’ vy ’ ) ] ∗ math . s i n ( t h e t a ) ) #Vr
[ A/ p s ]
311 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ v t h e t a [ r a d s ˆ −1] ’ ) ] += −( l i n e i n [ c o l s t r u c t . i n d e x ( ’
vx ’ ) ] ∗ math . s i n ( t h e t a ) ) + ( l i n e i n [ c o l s t r u c t . i n d e x ( ’ vy ’ ) ] ∗ math . c o s ( t h e t a
) ) #V t h e t a [ A/ p s ]
312 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ v t a n g [ km s ˆ −1] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( ’ vz ’ )
] #Vtang [ A/ p s ]
313
314 if ( checkPot ) :
315 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ Pe [ eV ] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( pen ) ] #Pot .
e n e r g y [ eV ]
316
317 if ( checkKin ) :
318 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ Ke [ eV ] ’ ) ] += l i n e i n [ c o l s t r u c t . i n d e x ( ken ) ] #Kin .
e n e r g y [ eV ]
319
320 if ( checkC5 and ( l i n e i n [ c o l s t r u c t . i n d e x ( cna ) ] != 3 ) ) :
321 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ r h o d [mˆ −2] ’ ) ] +=1 #NnonBCC [ a r b ] ) :
322 pb ( c o u n t e r , natms )
323 c o u n t e r += 1
324 return arrayout
325
326 def c a l c u l a t e t e m p e r a t u r e ( i n d a t , a r r a y o u t , t h c k n s s , dimsampl , c o l s t r u c t , o t l o g , natms ) :
327 #==============================================================================
328 # Temperature
329 #==============================================================================
330 if ( checkVels ) :
331 if ( vr b ) : sys . stdout . write ( ’\ nCalculating a v e r a g e Temperature . \ n ’ )
332 otlog . write ( ’\ nCalculating a v e r a g e Temperature . \ n ’ )
333 indat . seek (1)
334 [ indat . readline () for i in range (9) ]
335 counter = 0
336 for iterline in indat :
337 l i n e i n = map ( f l o a t , s t r . s p l i t ( i t e r l i n e ) )
338 n b i n = i n t ( round ( ( l i n e i n [ c o l s t r u c t . i n d e x ( ’ z ’ ) ] − dimsampl [ 2 ] [ 0 ] ) ∗ 1 e −1/ t h c k n s s ) ) #
− 1
339 v r m s s q r = ( ( l i n e i n [ c o l s t r u c t . i n d e x ( ’ vx ’ ) ] ) − ( a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ vx [ km s
ˆ −1] ’ ) ] / a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] ) ) ∗∗ 2
340 v r m s s q r += ( ( l i n e i n [ c o l s t r u c t . i n d e x ( ’ vy ’ ) ] ) − ( a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ vy [ km
s ˆ −1] ’ ) ] / a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] ) ) ∗∗ 2
123
341 v r m s s q r += ( ( l i n e i n [ c o l s t r u c t . i n d e x ( ’ vz ’ ) ] ) − ( a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ vz [ km
s ˆ −1] ’ ) ] / a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] ) ) ∗∗ 2
342 a r r a y o u t [ n b i n ] [ o u t c o l s . i n d e x ( ’T [K] ’ ) ] += v r m s s q r ∗ 1 e−2 #[ A/ p s ] to [ km/ s ]
343 pb ( c o u n t e r , natms )
344 c o u n t e r += 1
345
346 def n o r m a l i z e ( a r r a y o u t , t h c k n s s , dimsampl , v l s l c , v l s l c l s t , o t l o g ) :
347 kB = 1 . 3 8 0 6 5 0 4 e −23 #[ J /K]
348 umatokg= 1 . 6 6 0 5 3 8 8 6 e −27 #[ kg /uma ] 1 . 0 3 6 5 e −28
349 kmsqr2msqr = 1 e 6
350 convtemp = umatokg ∗ kmsqr2msqr ∗ elem [ 0 ] / ( 3 ∗ kB ) #1 . e 2 6 / ( 3 . ∗ kB )
351 t r a n s d l s c s e c t = 10
352 r h o c o e f = ( elem [ 1 ] ∗ 1 e−1 ∗ math . s q r t ( 3 ) / 2 ) / t r a n s d l s c s e c t #[ A ] to [ nm ]
353 tmpval = 1
354 iline = 1
355 if ( vr b ) : sys . stdout . write ( ’ \ n N o r m a l i z i n g .%−50 s \n ’ %( ’ ’ ) )
356 o t l o g . write ( ’ \ nNormalizing quantities .\n ’ )
357 for line in arrayout :
358 l i n e [ o u t c o l s . i n d e x ( ’ Depth [ nm ] ’ ) ] = ( dimsampl [ 2 ] [ 0 ] ∗ 1 e −1) + ( i l i n e ∗ t h c k n s s ) #[ nm ]
359 if ( l i n e [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] > 0 ) :
360 if ( checkVels ) :
361 l i n e [ o u t c o l s . i n d e x ( ’ vx [ km s ˆ −1] ’ ) ] ∗= 1 e−1 / l i n e [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] #Vx [
A/ p s ] to [ km/ s ]
362 l i n e [ o u t c o l s . i n d e x ( ’ vy [ km s ˆ −1] ’ ) ] ∗= 1 e−1 / l i n e [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] #Vy [
A/ p s ] to [ km/ s ]
363 l i n e [ o u t c o l s . i n d e x ( ’ vz [ km s ˆ −1] ’ ) ] ∗= 1 e−1 / l i n e [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] #Vz [
A/ p s ] to [ km/ s ]
364 l i n e [ o u t c o l s . i n d e x ( ’ v r [ km s ˆ −1] ’ ) ] ∗= 1 e−1 / l i n e [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] #
v r a v g [ A/ p s ] to [ km/ s ]
365 l i n e [ o u t c o l s . i n d e x ( ’ v t h e t a [ r a d s ˆ −1] ’ ) ] ∗= 1 e−1 / l i n e [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ]
#vangavg [ A/ p s ] to [ km/ s ]
366 l i n e [ o u t c o l s . i n d e x ( ’ v t a n g [ km s ˆ −1] ’ ) ] ∗= 1 e−1 / l i n e [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] #
v z a v g [ A/ p s ] to [ km/ s ]
367 l i n e [ o u t c o l s . i n d e x ( ’ v [ km s ˆ −1] ’ ) ] ∗= math . s q r t ( ( l i n e [ o u t c o l s . i n d e x ( ’ vx [ km s ˆ −1]
’ ) ] ∗∗ 2 ) + ( l i n e [ o u t c o l s . i n d e x ( ’ vy [ km s ˆ −1] ’ ) ] ∗∗ 2 ) + ( l i n e [ o u t c o l s .
i n d e x ( ’ vz [ km s ˆ −1] ’ ) ] ∗∗ 2 ) ) ∗ 1 e−1 / l i n e [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] #V [ A/
p s ] #V [ A/ p s ] to [ km/ s ]
368
369 if ( l i n e [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] > 1 ) : l i n e [ o u t c o l s . i n d e x ( ’T [K] ’ ) ] ∗= convtemp
/ ( l i n e [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] −1) #T [K]
370
371 if ( i l i n e == l e n ( a r r a y o u t ) ) :
372 tmpval = v l s l c l s t
373 else :
374 tmpval = v l s l c
375
376 if ( checkC123 ) :
377 l i n e [ o u t c o l s . i n d e x ( ’P [ GPa ] ’ ) ] ∗= −1e−7 / tmpval #P [ bar− A ] to [ GPa− n m ]
378 l i n e [ o u t c o l s . i n d e x ( ’ Sxx [ GPa ] ’ ) ] ∗= −1e−7 / tmpval #Pxx [ bar− A ] to [ GPa− n m ]
379 l i n e [ o u t c o l s . i n d e x ( ’ Syy [ GPa ] ’ ) ] ∗= −1e−7 / tmpval #Pyy [ bar− A ] to [ GPa− n m ]
380 l i n e [ o u t c o l s . i n d e x ( ’ S z z [ GPa ] ’ ) ] ∗= −1e−7 / tmpval #Pzz [ bar− A ] to [ GPa− n m ]
381 l i n e [ o u t c o l s . i n d e x ( ’ S1 [ GPa ] ’ ) ] ∗= −1e−7 / tmpval #S1 [ bar− A ] to [ GPa− n m ]
382 l i n e [ o u t c o l s . i n d e x ( ’ S2 [ GPa ] ’ ) ] ∗= 1 e−7 / tmpval #S2 [ bar− A ] to [ GPa− n m ]
383
384 if ( checkC456 ) :
385 l i n e [ o u t c o l s . i n d e x ( ’ Sxy [ GPa ] ’ ) ] ∗= 1 e−7 / tmpval #Pxy [ bar− A ] to [ GPa− n m ]
386 l i n e [ o u t c o l s . i n d e x ( ’ Sxz [ GPa ] ’ ) ] ∗= 1 e−7 / tmpval #Pxz [ bar− A ] to [ GPa− n m ]
387 l i n e [ o u t c o l s . i n d e x ( ’ Syz [ GPa ] ’ ) ] ∗= 1 e−7 / tmpval #Pyx [ bar− A ] to [ GPa− n m ]
388 l i n e [ o u t c o l s . i n d e x ( ’Svm [ GPa ] ’ ) ] ∗= 1 e−7 / tmpval #Pyx [ bar− A ] to [ GPa− n m ]
389
390 if ( checkC5 ) :
391 l i n e [ o u t c o l s . i n d e x ( ’ r h o d [mˆ −2] ’ ) ] ∗= 1 e 1 8 ∗ r h o c o e f / tmpval #Rho d [ 1 / n m ]
to [1/ m ]
392 #pb ( i l i n e , l e n ( a r r a y o u t ) )
124
393 i l i n e += 1
394
395 def writeheader ( indat , outdat , o t l o g ) :
396 h e a d e r = ’#DATA ANALYSIS\n# ’
397 for field in outcols :
398 h e a d e r += f i e l d + ’ \ t ’
399 if ( vr b ) : sys . stdout . write ( ’ Writing header . \ n ’ )
400 h e a d e r += ’ \n ’
401 otlog . seek (0 ,2)
402 o t l o g . w r i t e ( ’ W r i t i n g h e a d e r \n ’ )
403 indat . seek (0)
404 [ o u t d a t . w r i t e ( ’# ’ + i n d a t . r e a d l i n e ( ) ) for i in r a n g e ( 8 ) ] #c o p i e s the header of the original
dump i n t o results .
405 outdat . write ( header )
406
407 def w r i t e d a t a ( oudt , rryt , otlog ) :
408 if ( vr b ) : sys . stdout . write ( ’ Writing results t o %s . \ n ’ %(oudt . name ) ) #’ % 1 0 . 4 e ’ %
409 o t l o g . w r i t e ( ’ Writing results t o %s \n ’ %(oudt . name ) )
410 for line in rryt :
411 linestrout = ’ ’
412 f o r datum i n l i n e : #A l l a r r a y but auxiliary fields
413 if ( datum == 0 ) :
414 l i n e s t r o u t += s t r ( ’ 0 . 0 0 0 0E+00 ’ ) + ’ ’#Python d o e s n ’ t f o r m a t null values
415 elif ( l i n e [ o u t c o l s . i n d e x ( ’ NAtoms ’ ) ] == datum ) :
416 l i n e s t r o u t += s t r ( ’ %11d ’ %datum ) + ’ ’
417 else :
418 l i n e s t r o u t += s t r ( ’% 1 0 . 4 E ’ %datum ) + ’ ’
419 linestrout . strip ()
420 l i n e s t r o u t += ’ \n ’
421 oudt . w r i t e ( l i n e s t r o u t )
422
423
424
425 def p r o c e s s f i l e ( inputfilename , inputpath ) :
426 global outcols
427 o u t c o l s = [ ’ Depth [ nm ] ’ , ’ NAtoms ’ ] #Depth and Natoms f o r now
428
429 s t a r t = time ( )
430
431 indt , tmstep , natoms , dimsampl , colstruct , otlog = openfile ( inputfilename )
432 c e n t e r = [ 0 . 5 ∗ ( dimsampl [ 0 ] [ 1 ] − dimsampl [ 0 ] [ 0 ] ) , 0 . 5 ∗ ( dimsampl [ 1 ] [ 1 ] − dimsampl [ 1 ] [ 0 ] )
]
433 t h i c k n e s s = 0 . 5 ∗ elem [ 1 ] ∗ l y r s #[ A ]
434 nbinsmax = i n t ( round ( dimsampl [ 2 ] [ 2 ] / t h i c k n e s s ) ) + 1
435 s l i c e l a s t = −( t h i c k n e s s ∗ ( nbinsmax −1) − dimsampl [ 2 ] [ 2 ] ) #[ A ]
436 v o l s l i c e = dimsampl [ 0 ] [ 2 ] ∗ dimsampl [ 1 ] [ 2 ] ∗ t h i c k n e s s ∗1 e−3 #[ A ] to [ nm ]
437 v o l s l i c e l a s t = dimsampl [ 0 ] [ 2 ] ∗ dimsampl [ 1 ] [ 2 ] ∗ s l i c e l a s t ∗1 e−3 #[ A ] to [ nm ]
438 t h i c k n e s s ∗= 1 e−1 #[ A ] to [ nm ]
439 s l i c e l a s t ∗= 1 e−1 #[ A ] to [ nm ]
440 if ( vr b ) :
441 sys . stdout . write ( ’ Reading from f i l e : %s . \ n ’ % ( i n d t . name ) )
442 sys . stdout . write ( ’ C r e a t i n g %s b i n s : \ n\ tDepth : % 1 0 . 4E [ nm] \ n ’ % ( nbinsmax , t h i c k n e s s ) )
443 o t l o g . w r i t e ( ’ Reading from f i l e : %s \n ’ % ( i n d t . name ) )
444 o t l o g . w r i t e ( ’ C r e a t i n g %s b i n s : \ n\ tDepth : % 1 0 . 4E [ nm] \ n ’ % ( nbinsmax , t h i c k n e s s ) )
445 arrayout = [ [ 0.0 for i in xrange ( l e n ( o u t c o l s ) ) ] for j i n x r a n g e ( nbinsmax ) ]
446 c a l c u l a t e b i n s ( indt , a r r a y o u t , natoms , thickness , volslice , v o l s l i c e l a s t , c e n t e r , dimsampl ,
colstruct , otlog )
447 c a l c u l a t e t e m p e r a t u r e ( i n d t , a r r a y o u t , t h i c k n e s s , dimsampl , c o l s t r u c t , o t l o g , natoms )
448 n o r m a l i z e ( a r r a y o u t , t h i c k n e s s , dimsampl , v o l s l i c e , v o l s l i c e l a s t , o t l o g )
449 o t d t = open ( o s . path . dirname ( o s . path . a b s p a t h ( i n d t . name ) ) + ’ / ’ + wrto + ’ . ’ + s t r ( t m s t e p ) , ’
w’ )
450 o t l o g = open ( o s . path . dirname ( o s . path . a b s p a t h ( i n d t . name ) ) + ’ / l o g . ’ + wrto + ’ . ’ + s t r (
tmstep ) , ’w ’ )
451 w r i t e h e a d e r ( indt , otdt , o t l o g )
125
outvol ) ) )
204 s t d o u t . w r i t e ( ’# i n l e n g t h : %s o u t l e n g t h : %s i n d e n s : %s o u t d e n s : %s \n ’ % ( s t r ( i n l e n g t h ) ,
s t r ( o u t l e n g t h ) , s t r ( i n l e n g t h ∗1 e 2 0 / i n v o l ) , s t r ( o u t l e n g t h ∗1 e 2 0 / o u t v o l ) ) )
205 s t d o u t . w r i t e ( ’# i n r \ t o u t r \ t s h e l l v o l \ t l e n g t h \ t r a d i a l d e n s ( 4 ) / ( 3 ) \n ’ )
206
207 def writedata ( array ) :
208 f o r row i n array :
209 stream = ’ ’
210 f o r datum i n row : #A l l a r r a y but auxiliary fields
211 if ( datum == 0 ) :
212 s t r e a m += s t r ( ’ 0 . 0 0 0 0E+00 ’ ) + ’ ’#Python d o e s n ’ t f o r m a t null values
213 else :
214 s t r e a m += s t r ( ’% 1 0 . 4 E ’ %datum ) + ’ \ t ’
215 stream . s t r i p ( )
216 s t r e a m += ’ \n ’
217 stdout . w r i t e ( stream )
218
219 d e f main ( ) :
220 dslvtk , c e l l v t k , wid , g , defway , sent = readargs ()
221 cellvector = readcellvtk ( cellvtk )
222 netw = r e a d d s l v t k ( d s l v t k )
223 c , rmax , cellvol = setslabs ( cellvector )
224 arrayout , i n v o l = c a l c v o l u m e s ( c , rmax )
225 inlength , o u t l e n g t h = m e a s u r e l i n e s ( a r r a y o u t , netw )
226 #c o u n t p o i n t s ( a r r a y o u t , netw , wid , g )
227 completetheftable ( arrayout )
228 writeheader ( invol , c e l l v o l , inlength , outlength )
229 writedata ( arrayout )
230
231 if name == ” main ”:
232 main ( )
18 D i s l o c a t i o n s P a t t e r n = ’ . c a t . d i s l o c a t i o n s . vtk ’
19 CountsPattern = ’ . cat . counts . txt ’
20 DumpPattern = ’ . c a t . atoms . dump ’
21 LogPattern = ’ . profcount . l o g ’
22 ProfPattern = ’ . p r o f c o u n t . out ’
23 #==============================================================================
24 # Global variables
25 #==============================================================================
26 monoXtal = True ; vrb = F a l s e
27 nflpat = ’ ’ ; elem = [ ] ; lyrs = 0.0; wrto = ’ c o u n t p r o f ’
28 extracolumns = 2
29
30 def usage ( ) :
31 s t d o u t . w r i t e ( ” u s a g e : %p r o g% −f ’ c a t d u m p f i l e ’ −e <e l e m e n t > − l <l a y e r s > −v \
32 <0/1> −t <0/1> −w < o u t f i l e p r e f i x >\n u s e −h o r −−h e l p for help . ” )
33 def usageext () :
34 s t d o u t . w r i t e ( ” u s a g e : %p r o g% −f ’ c a t d u m p f i l e ’ −e <e l e m e n t > − l <l a y e r s > −v \
35 <0/1> −t <0/1> −w < o u t f i l e p r e f i x >\n \
36 −−−−−−−−−−−−−−−−−−−−−−−−−−−−−\n \
37 −f ’ catfile ’ : CAT dump t o a n a l y z e \n \
38 −e <e l e m e n t > : element i n dump . Only s i n g l e element samples are allowed .\ n \
39 \ t \ t V a l u e s can be Ta , Nb ,W, Mo, V, Cr and C\n \
40 − l <l a y e r s > : Number o f layers to include i n e a c h b i n \n \
41 −v −−vr b : Show o u t p u t s in screen (a log is alwais a v a i l a b l e ) \n \
42 −t 1 = monoXtal , 0 = p o l y X t a l \n \
43 −w −−w r i t e t o : Prefix of output files \n \
44 −h −−h e l p : Print this s c r e e n \n \
45 further questions : d i e g o d o t t r a m o n t i n a a t g m a i l d o t com” )
46
47 def readargs () :
48 try :
49 opts , args = getopt . getopt ( sys . argv [ 1 : ] , ” f : e : l : v : t :w: h : c” , [ ” h e l p ” , ” vr b ” , ” w r i t e t o ” ] )
50 except getopt . GetoptError :
51 usage ( )
52 sys . exit (2)
53 global nflpat ; global elem ; global lyrs ; global wrto ; g l o b a l monoXtal
54 global vr b
55 for opt , arg in opts :
56 if o p t == ’−f ’ :
57 n f l p a t = s t r . s t r i p ( arg )
58 elif o p t == ’−e ’ :
59 if ( a r g == ’ Ta ’ ) :
60 elem = [ 1 8 0 . 9 4 7 8 8 , 3.3040]
61 elif ( a r g == ’Nb ’ ) :
62 elem = [ 9 2 . 9 0 6 3 8 , 3.3004]
63 elif ( a r g == ’W’ ) :
64 elem = [ 1 8 3 . 8 4 , 3.1652]
65 elif ( a r g == ’Mo ’ ) :
66 elem = [ 9 5 . 9 4 , 3.147]
67 elif ( a r g == ’V ’ ) :
68 elem = [ 5 0 . 9 4 1 5 , 3.03]
69 elif ( a r g == ’ Cr ’ ) :
70 elem = [ 5 1 . 9 9 6 1 , 2.91]
71 elif ( a r g == ’ Fe ’ ) :
72 elem = [ 5 5 . 8 4 5 , 2.86]
73 elif ( a r g == ’C ’ ) :
74 elem = [ 1 2 . 0 1 0 7 , 3.57]
75 elif ( a r g == ’Au ’ ) :
76 elem = [ 1 9 6 . 9 6 6 5 5 , 4.0782]
77
78 elif o p t == ’− l ’ :
79 l y r s = f l o a t ( arg )
80 elif opt i n ( ’−v ’ , ’−−vr b ’ ) :
81 vrb = b o o l ( a r g )
131
82 elif o p t == ’−t ’ :
83 monoXtal = b o o l ( i n t ( a r g ) )
84 elif opt i n ( ’−w ’ , ’−−w r i t e t o ’ ) :
85 wrto = s t r . s t r i p ( a r g )
86 elif opt i n ( ’−h ’ , ’−−h e l p ’ ) :
87 usageext ()
88 sys . exit (2)
89 else :
90 usage ( )
91 sys . exit (2)
92 d e f pb ( c o u n t e r , t o t a l , m e s s a g e= ’ ’ ) :
93 if ( c o u n t e r == 0 ) : counter = 1
94 if ( ( c o u n t e r % i n t ( t o t a l / 1 0 0 0 ) ) == 0 ) :
95 if ( vr b ) : s t d o u t . w r i t e ( ” \ r [%−20 s ] %d%%. %s ” % ( ’= ’ ∗ i n t ( round ( c o u n t e r ∗20/ t o t a l , 0 ) ) ,
round ( c o u n t e r ∗100/ t o t a l , 0 ) , s t r ( m e s s a g e ) ) )
96
97
98 def f i n d ( name , path ) :
99 for root , dirs , files in o s . walk ( path ) :
100 i f name i n files :
101 return o s . path . j o i n ( r o o t , name )
102 else : return 0
103
104
105 def f i n d a l l ( pattern ) :
106 matches = [ ]
107
108 for root , dirnames , filenames in o s . walk ( ” . / ” ) :
109 for filename i n fnmatch . f i l t e r ( f i l e n a m e s , pattern ) :
110 matches . append ( o s . path . j o i n ( r o o t , filename ) )
111 r e t u r n matches
112
113 def extractpath ( nf l ) :
114 i n n f l = open ( n f l , ’ r ’ )
115 n f l p a t h = o s . path . dirname ( o s . path . a b s p a t h ( i n n f l . name ) )
116 innfl . close ()
117 return nflpath
118
119 def readdslvtk ( v t k f i l e ) :
120 instream = stdin
121 i n s t r e a m = open ( v t k f i l e , ” r ” )
122 network = l o a d D i s l o c a t i o n N e t w o r k ( i n s t r e a m )
123 r e t u r n network
124
125 def d i s t a n c e ( p1 , p2 ) :
126 # Measure t h e d i s t a n c e between two v e c t o r s
127
128 dx = p2 . x ( ) − p1 . x ( )
129 dy = p2 . y ( ) − p1 . y ( )
130 dz = p2 . z ( ) − p1 . z ( )
131 dd = math . s q r t ( dx ∗ dx + dy ∗ dy +dz ∗ dz )
132 r e t u r n dd
133
134 def o p e n f i l e ( i n p t f l , inpath ) :
135 network = ’ ’
136 global extracolumns
137 p a t s t r u c t = {}
138 lpatstruct = [ ]
139 i n d t = open ( i n p t f l , ’ r ’ )
140 i n d t . r e a d l i n e ( ) #ITEM : TIMESTEP
141 tmstp = s t r . s t r i p ( i n d t . r e a d l i n e ( ) )
142 i n d t . r e a d l i n e ( ) #ITEM : BOX BOUNDS pp pp s s [A]
143 xl , x r = map ( f l o a t , s t r . s p l i t ( i n d t . r e a d l i n e ( ) ) )
144 xrng = xr − x l
132
145 yl , y r = map ( f l o a t , s t r . s p l i t ( i n d t . r e a d l i n e ( ) ) )
146 yrng = yr − y l
147 zl , z r = map ( f l o a t , s t r . s p l i t ( i n d t . r e a d l i n e ( ) ) )
148 i n d t . r e a d l i n e ( ) #ITEM : NUMBER OF ATOMS
149 ntms = l o n g ( i n d t . r e a d l i n e ( ) )
150 # print ’ x l=%s \n ’ %( x l )
151 # print ’ x r=%s \n ’ %( x r )
152 # print ’ y l=%s \n ’ %( y l )
153 # print ’ y r=%s \n ’ %( y r )
154 # print ’ z l=%s \n ’ %( z l )
155 # print ’ z r=%s \n ’ %( z r )
156 z r n g = z r − z l # Z r a n g e from 0 , b e c a u s e o f sample d i s p l a c e m e n t
157 n f l s t r u c t = s t r . s p l i t ( i n d t . r e a d l i n e ( ) ) #ITEM : ATOMS i d x y z cluster cluster local id ...
158 # print ’ T i me s t e p : %s \n ’ % ( tmstp )
159 nflstruct = nflstruct [2:]
160 o t l o g = open ( o s . path . dirname ( o s . path . a b s p a t h ( i n d t . name ) ) + ’ / ’ + i n p t f l . r e p l a c e ( DumpPattern
, LogPattern ) , ’w ’ )
161 if ( vr b ) :
162 stdout . write ( ’ Number o f atoms i n s a m p l e : %s \n ’ % ( ntms ) )
163 stdout . write ( ’ Reading d a t a from %s atoms \n ’ % ( ntms ) )
164 stdout . write ( ’ D i m e n s i o n s [ nm ] : \ n\tX:% s , Y:% s , Z:% s \n ’ %(( x r n g ∗1 e −1) , ( y r n g ∗1 e −1) , ( z r n g
∗1 e −1) ) ) #[ A ] to [ nm ]
165 stdout . write ( ’ T i me s t e p : %s [ f s ] \ n ’ % ( tmstp ) )
166 o t l o g . w r i t e ( ’ Number o f atoms i n s a m p l e : %s \n ’ % ( ntms ) )
167 o t l o g . w r i t e ( ’ Reading d a t a from %s atoms \n ’ % ( ntms ) )
168 o t l o g . w r i t e ( ’ D i m e n s i o n s [ nm ] : \ n\tX:% s , Y:% s , Z:% s \n ’ %(( x r n g ∗1 e −1) , ( y r n g ∗1 e −1) , ( z r n g ∗1 e −1)
))
169 o t l o g . w r i t e ( ’ T i me s t e p : %s [ f s ] \ n ’ % ( tmstp ) )
170 dmsmpl = [ [ x l , xr , xrng ] , [ yl , yr , yrng ] , [ z l , zr , zrng ] ]
171 #f i n d dislocations file
172
173 #t h i s s h o u l d be t h e name o f the files
174 d i s l o c a t i o n f n = i n p t f l . r e p l a c e ( DumpPattern , D i s l o c a t i o n s P a t t e r n )
175 c o u n t s f n = i n p t f l . r e p l a c e ( DumpPattern , C o u n t s P a t t e r n )
176
177 #now we c h e c k if files exists
178 if ( f i n d ( d i s l o c a t i o n f n [ 2 : ] , i n p a t h ) == 0 ) :
179 if ( vr b ) : s t d o u t . w r i t e ( ”Can ’ t detect presence of dislocation f i l e . \ n” )
180 o t l o g . w r i t e ( ”Can ’ t detect presence of dislocation f i l e (% s ) ” % ( d i s l o c a t i o n f n [ 2 : ] ) )
181 else :
182 if ( vr b ) : s t d o u t . w r i t e ( ” Reading dislocation n e t w o r k . \ n” )
183 o t l o g . w r i t e ( ” Reading dislocation n e t w o r k . \ n” )
184 network = readdslvtk ( dislocationfn )
185 e x t r a c o l u m n s += 1
186
187 if ( f i n d ( c o u n t s f n [ 2 : ] , i n p a t h ) == 0 ) : raise I O E r r o r ( ”Can ’ t detect presence of counts f i l e (%
s )” % ( countsfn [ 2 : ] ) )
188 else :
189 #We ’ l l assign the p a t t e r n name f o r each value in t h e dump . f i l e
190 c o u n t s t r e a m = open ( c o u n t s f n , ’ r ’ )
191 c o u n t s t r e a m . r e a d l i n e ( ) # P a t t e r n I d AtomCount UnitCount PatternName
192 for line in countstream :
193 stream = s t r . s p l i t ( l i n e )
194 p a t s t r u c t [ i n t ( s t r e a m [ 0 ] ) ]= s t r . s t r i p ( s t r e a m [ 3 ] )
195 #p l u s two more s t r u c t u r e s avoided in cat r e s u l t s 0=none −1=?
196 patstruct [0]= ’ other ’
197 countstream . c l o s e ( )
198 l p a t s t r u c t = p a t s t r u c t . keys ( )
199 #f i n d c o u n t s f i l e and
200
201 return indt , tmstp , ntms , dmsmpl , nflstruct , otlog , network , p a t s t r u c t , l p a t s t r u c t
202
203 def c a l c u l a t e b i n s ( i n d a t , nbnsmax , natms , t h c k n s s , dimsampl , n f l s t r u c t , o t l o g , p a t s t r u c t , l p a t s t r u c t
, clusterid ) :
133
204
205
206 global extracolumns
207
208 if ( c l u s t e r i d <> ’ ’ ) :
209 if ( vr b ) : s t d o u t . w r i t e ( ”Twin v a r i a n t s added t o ’ bcc twin ’ field , original cluster is %
s . \ n” % ( s t r ( c l u s t e r i d ) ) )
210 o t l o g . w r i t e ( ”Twin v a r i a n t s added t o ’ bcc twin ’ field , original cluster i s %s . \ n” % ( s t r
( clusterid )))
211 else :
212 if ( vr b ) : s t d o u t . w r i t e ( ” Twins will o n l y be a c c o u n t e d by its b o u n d a r i e s . \ n” )
213 o t l o g . w r i t e ( ” Twins will o n l y be a c c o u n t e d by its b o u n d a r i e s . \ n” )
214
215 arrayout = [ [ 0.0 for i in r a n g e ( e x t r a c o l u m n s+l e n ( l p a t s t r u c t ) ) ] for j in r a n g e ( nbnsmax ) ]
216 #monoXtal == True :
217 #0 Depth [ A] , 1 NAtom , 2 rhod , [ p a t t e r n c o u n t s ]
218 #monoXtal == F a l s e :
219 #0 Depth [ A] , 1 NAtom , 2 rhod , [ p a t t e r n c o u n t s ]
220 indat . seek (1)
221 [ indat . readline () for i in range (9) ]
222 iline = 0
223 if ( vr b ) : s t d o u t . w r i t e ( ” Computing d e f e c t s . \ n” )
224
225 for iterline in indat :
226 #ITEM : ATOMS i d x y z p a t t e r n cluster cluster local id
227 l i n e i n = map ( f l o a t , s t r . s p l i t ( i t e r l i n e ) )
228 n b i n = i n t ( round ( ( l i n e i n [ n f l s t r u c t . i n d e x ( ’ z ’ ) ] − dimsampl [ 2 ] [ 0 ] ) ∗ 1 e −1/ t h c k n s s ) )
229 #NAtom i n c r e m e n t s alwais :
230 a r r a y o u t [ n b i n ] [ 1 ] += 1
231 #c h e c k p a t t e r n = 0 , non matched p a t t e r n in every case :
232 if ( l i n e i n [ n f l s t r u c t . i n d e x ( ’ p a t t e r n ’ ) ] == 0 ) :
233 a r r a y o u t [ n b i n ] [ 3 ] += 1
234 # c o u n t i n g t w i n c o r e atoms f o r a monoXtal c a s e :
235
236 if ( c l u s t e r i d <> ’ ’ ) :
237 ###HEREE
238 if ( monoXtal and ( p a t s t r u c t [ i n t ( l i n e i n [ i n t ( n f l s t r u c t . i n d e x ( ’ p a t t e r n ’ ) ) ] ) ] == ’ b c c ’
) and ( i n t ( l i n e i n [ i n t ( n f l s t r u c t . i n d e x ( ’ c l u s t e r ’ ) ) ] ) != c l u s t e r i d ) ):
239 #a r r a y o u t [ n b i n ] [ 4 ] += 1
240 #add t h e b c c t w i n n e d v a l u e t o t h e b c c t w i n s t r u c t u r e column
241 a r r a y o u t [ n b i n ] [ e x t r a c o l u m n s + p a t s t r u c t . v a l u e s ( ) . i n d e x ( ’ b c c t w i n ’ ) ] += 1
242
243 #but if cluster = 0, i t ’ s a b c c untwinned and g o e s t o its p a t t e r n column
244 else :
245 arrayout [ nbin ] [ extracolumns + l p a t s t r u c t . index ( i n t ( l i n e i n [ i n t ( n f l s t r u c t . index ( ’
p a t t e r n ’ ) ) ] ) ) ] += 1
246 else :
247 arrayout [ nbin ] [ extracolumns + l p a t s t r u c t . index ( i n t ( l i n e i n [ i n t ( n f l s t r u c t . index ( ’
p a t t e r n ’ ) ) ] ) ) ] += 1
248 pb ( i l i n e , natms )
249 i l i n e += 1
250
251 #now we put t h e d e p t h s
252 if ( vr b ) : s t d o u t . w r i t e ( ” \ rAdding d e p t h c o o r d i n a t e s .%−40 s \n” %( ’ ’ ) )
253 o t l o g . w r i t e ( ” Adding d e p t h c o o r d i n a t e s . \ n” )
254
255 iline = 1
256 f o r row i n arrayout :
257 row [ 0 ] = ( dimsampl [ 2 ] [ 0 ] ∗ 1 e −1) + ( i l i n e ∗ thcknss )
258 i l i n e += 1
259 return arrayout
260
261 def m e a s u r e l i n e s ( a r r a y , netw , t h c k n s s , dimsampl ) :
262
134
263 if ( vr b ) : s t d o u t . w r i t e ( ” Computing n e t w o r k s e g m e n t s . \ n” )
264 for i in r a n g e ( l e n ( netw . s e g m e n t s ) ) :
265 for j in r a n g e ( l e n ( netw . s e g m e n t s [ i ] . p o i n t s ) ) :
266 if ( j < l e n ( netw . s e g m e n t s [ i ] . p o i n t s ) −1) :
267 dp1 = ( netw . s e g m e n t s [ i ] . p o i n t s [ j ] . z ( ) − dimsampl [ 2 ] [ 0 ] ) ∗ 1 e−1
268 dp2 = ( netw . s e g m e n t s [ i ] . p o i n t s [ j + 1 ] . z ( ) − dimsampl [ 2 ] [ 0 ] ) ∗ 1 e−1
269 n b i n p 1 = i n t ( round ( dp1 / t h c k n s s ) ) − 1
270 n b i n p 2 = i n t ( round ( dp2 / t h c k n s s ) ) − 1
271 rf1 = 0.0; rf2 = 0.0
272 if ( ( n b i n p 1 < l e n ( a r r a y ) ) and ( n b i n p 2 < l e n ( a r r a y ) ) ) :
273 if ( n b i n p 1 == n b i n p 2 ) :
274 a r r a y [ n b i n p 1 ] [ 2 ] += d i s t a n c e ( netw . s e g m e n t s [ i ] . p o i n t s [ j ] , netw . s e g m e n t s [ i
] . p o i n t s [ j +1])
275 elif ( n b i n p 1 == ( nbinp2 −1) ) :
276 r f 1 = dp1 − a r r a y [ n b i n p 2 ] [ 0 ]
277 r f 2 = dp2 − a r r a y [ n b i n p 2 ] [ 0 ]
278 a r r a y [ n b i n p 1 ] [ 2 ] += a b s ( ( r f 1 / ( r f 1+r f 2 ) ) ) ∗ d i s t a n c e ( netw . s e g m e n t s [ i ] .
p o i n t s [ j ] , netw . s e g m e n t s [ i ] . p o i n t s [ j + 1 ] )
279 a r r a y [ n b i n p 2 ] [ 2 ] += a b s ( ( r f 2 / ( r f 1+r f 2 ) ) ) ∗ d i s t a n c e ( netw . s e g m e n t s [ i ] .
p o i n t s [ j ] , netw . s e g m e n t s [ i ] . p o i n t s [ j + 1 ] )
280 elif ( n b i n p 1 == ( n b i n p 2 +1) ) :
281 r f 1 = dp1 − a r r a y [ n b i n p 1 ] [ 0 ]
282 r f 2 = dp2 − a r r a y [ n b i n p 1 ] [ 0 ]
283 a r r a y [ n b i n p 1 ] [ 2 ] += a b s ( ( r f 1 / ( r f 1+r f 2 ) ) ) ∗ d i s t a n c e ( netw . s e g m e n t s [ i ] .
p o i n t s [ j ] , netw . s e g m e n t s [ i ] . p o i n t s [ j + 1 ] )
284 a r r a y [ n b i n p 2 ] [ 2 ] += a b s ( ( r f 2 / ( r f 1+r f 2 ) ) ) ∗ d i s t a n c e ( netw . s e g m e n t s [ i ] .
p o i n t s [ j ] , netw . s e g m e n t s [ i ] . p o i n t s [ j + 1 ] )
285 pb ( i , l e n ( netw . s e g m e n t s ) )
286
287 def d e t e r m i n e m a x c l u s t e r ( i n d a t , n f l s t r u c t , p a t s t r u c t , natoms , o t l o g ) :
288 if ( vr b ) : stdout . w r i t e ( ” Scanning for bcc c l u s t e r s . \ n P r o g r e s s : \ n” )
289 o t l o g . w r i t e ( ” Scanning for bcc c l u s t e r s . \ n” )
290
291 c l u s t e r l i s t = [ [ 0 . 0 , 0 ] ] #[ atomcount , c l u s t e r i d ]
292 itemfound = False
293 indat . seek (1)
294 [ indat . readline () for i in range (9) ]
295 curline = 0
296 acumclusters = 0
297 acumbcc = 0
298 for iterline in indat :
299 l i n e i n = map ( f l o a t , s t r . s p l i t ( i t e r l i n e ) )
300 if ( p a t s t r u c t [ i n t ( l i n e i n [ i n t ( n f l s t r u c t . i n d e x ( ’ p a t t e r n ’ ) ) ] ) ] == ’ b c c ’ ) :
301 for i in range ( len ( c l u s t e r l i s t ) ) :
302 if ( c l u s t e r l i s t [ i ] [ 1 ] == i n t ( l i n e i n [ i n t ( n f l s t r u c t . i n d e x ( ’ c l u s t e r ’ ) ) ] ) ) :
303 c l u s t e r l i s t [ i ] [ 0 ] += 1
304 i t e m f o u n d = True
305 break
306 else :
307 itemfound = False
308 if ( not itemfound ) :
309 c l u s t e r l i s t . append ( [ 1 , i n t ( l i n e i n [ i n t ( n f l s t r u c t . i n d e x ( ’ c l u s t e r ’ ) ) ] ) ] )
310 #c l e a n list from t i m e t o t i m e
311 if ( l e n ( c l u s t e r l i s t ) >= 5 0 0 ) :
312 #p r e s e r v e o n l y 150 most i m p o r t a n t clusters
313 c l u s t e r l i s t . s o r t ( r e v e r s e=True )
314 #s a v e b c c c o u n t i n acumbcc and slice list
315 for i in range (350) :
316 acumbcc += c l u s t e r l i s t . pop ( ) [ 0 ]
317 #now s l i c e
318 clusterlist = clusterlist [:150]
319 a c u m c l u s t e r s += 350
320 mesg = ’ T o t a l c l u s t e r s : %s ’ %( a c u m c l u s t e r s + l e n ( c l u s t e r l i s t ) )
321 pb ( c u r l i n e , natoms , mesg )
135
322 c u r l i n e += 1
323 c l u s t e r l i s t . s o r t ( r e v e r s e=True )
324 #p r i n t clusterlist [:20]
325 #c o u n t total b c c atoms
326 for i in range ( len ( c l u s t e r l i s t ) ) :
327 acumbcc += c l u s t e r l i s t [ i ] [ 0 ]
328 #c o n v e r t a t o m c o u n t s i n percentages
329 for i in range ( len ( c l u s t e r l i s t ) ) :
330 c l u s t e r l i s t [ i ] [ 0 ] /= acumbcc
331
332 if ( vr b ) : s t d o u t . w r i t e ( ” \nFound %s b c c atoms i n %s c l u s t e r s .%−40 s \n” % ( s t r ( i n t ( acumbcc ) ) ,
str ( acumclusters + len ( c l u s t e r l i s t ) ) , ’ ’ ) )
333 o t l o g . w r i t e ( ” \nFound %s b c c atoms i n %s c l u s t e r s . \ n” % ( s t r ( i n t ( acumbcc ) ) , s t r ( a c u m c l u s t e r s
+ len ( c l u s t e r l i s t ) ) ) )
334
335 #p r i n t clusterlist [:20]
336 if ( len ( c l u s t e r l i s t ) > 1) :
337 if ( c l u s t e r l i s t [ 0 ] [ 0 ] >= c l u s t e r l i s t [ 1 ] [ 0 ] + 0 . 1 ) :# more than 20% d i f f e r e n c e
338 if ( vr b ) : stdout . write ( ” It seems c l u s t e r %s is in the original d i r e c t i o n . \ n” % (
str ( clusterlist [ 0 ] [ 1 ] ) ) )
339 otlog . write (” It seems c l u s t e r %s is in the original d i r e c t i o n . \ n” % ( s t r (
clusterlist [0][1]) ))
340 return clusterlist [0][1]
341 else :
342 if ( vr b ) : stdout . write ( ” Original cluster direction can n o t be d e t e r m i n e d . \ n” )
343 otlog . write (” Original cluster direction can n o t be d e t e r m i n e d . \ n” )
344 else :
345 if ( vr b ) : stdout . write ( ” It seems t h a t no t w i n s are p r e s e n t . \ n” )
346 otlog . write (” It seems t h a t no t w i n s are p r e s e n t . \ n” )
347 return ’’
348
349 def c o m p l e t e t h e f t a b l e ( array , v o l s l c ) :
350 irow = 0
351 f o r row i n array :
352 if i r o w < ( l e n ( a r r a y ) −1) :
353 row [ 2 ] ∗= 1 e 2 0 / v o l s l c [ 0 ] #Check t h i s ,
354 else :
355 row [ 2 ] ∗= 1 e 2 0 / v o l s l c [ 1 ]
356 row [ 3 ] = row [ 1 ] − sum ( row [ 4 : ] ) # o v e r r i d e c o r r e c t atoms w i t h struct 0 , need t o c h e c k
original code
357 i r o w += 1
358
359 def writeheader ( indat , outdat , otlog , patstruct , l p a t s t r u c t ) :
360
361 h e a d e r = ’#DATA ANALYSIS\n#Depth [ nm] \ tNAtom\ t r h o d ’
362 if ( vr b ) : stdout . write ( ’ W r i t i n g h e a d e r \n ’ )
363 for ikey in lpatstruct :
364 h e a d e r += ’ \ t ’ + s t r . s t r i p ( p a t s t r u c t [ i k e y ] )
365 h e a d e r += ’ \n ’
366 otlog . seek (0 ,2)
367 o t l o g . w r i t e ( ’ W r i t i n g h e a d e r \n ’ )
368 indat . seek (0)
369 [ o u t d a t . w r i t e ( ’# ’ + i n d a t . r e a d l i n e ( ) ) for i in r a n g e ( 8 ) ] #c o p i e s the header of the original
dump i n t o results .
370 outdat . write ( header )
371
372 def w r i t e d a t a ( oudt , rryt , otlog ) :
373 if ( vr b ) : stdout . write ( ’ Writing results t o %s \n ’ %(oudt . name ) ) #’ % 1 0 . 4 e ’ %
374 o t l o g . w r i t e ( ’ Writing results t o %s \n ’ %(oudt . name ) )
375 for line in rryt :
376 linestrout = ’ ’
377 f o r datum i n l i n e : #A l l a r r a y but auxiliary fields
378 if ( datum == 0 ) :
379 l i n e s t r o u t += s t r ( ’ 0 . 0 0 0 0E+00 ’ ) + ’ ’#Python d o e s n ’ t f o r m a t null values
136
434 infl = 1
435 for nfl in lslist :
436 if ( vr b ) : stdout . write ( ’ C u r r e n t : %s (% s/%s ) \n ’ %( n f l , i n f l , l e n ( l s l i s t ) ) )
437 nflpath = extractpath ( nfl )
438 p r o c e s s f i l e ( nfl , nflpath )
439 i n f l += 1
440
441
442
443 if name == ” main ”:
444 main ( )
Bibliografı́a
[2] R.C. Davidson, Frontiers in high energy density physics: the X-games of
contemporary science, National Academies Press, Washington, D.C, 2003.
[4] E. P. Turtle, Thickness of a Europan Ice Shell from Impact Crater Simula-
tions, Sci. 294 (5545) (2001) 1326–1328. doi:10.1126/science.1062492.
138
139
[21] B. Holian, Molecular dynamics comes of age for shockwave research, Shock
waves 13 (6). doi:10.1007/s00193-004-0226-5.
[27] J. Papp, Mineral Commodity Summaries, February 2014, Tech. rep., U.S.
Geological Survey (Feb. 2014).
[30] M. Nic, J. Jirat, B. Kosata, A. Jenkins, A. McNaught, Van der Waals Forces,
in: IUPAC Compendium of Chemical Terminology, 2nd Edition, IUPAC,
Research Triagle Park, NC, 2009.
141
[31] Pauli exclusion principle, in: M. Nic, J. Jirat, B. Kosata, A. Jenkins, A. Mc-
Naught (Eds.), IUPAC Compendium of Chemical Terminology, 2nd Edition,
IUPAC, Research Triagle Park, NC, 2009.
[32] J. E. Jones, On the Determination of Molecular Fields. II. From the Equation
of State of a Gas, Proc. Roy. Soc. A 106 (738) (1924) 463–477. doi:10.1098/
rspa.1924.0082.
[33] F. Fumi, M. Tosi, Ionic sizes and born repulsive parameters in the NaCl-
type alkali halidesI, J.Phys.Chem.Solids 25 (1) (1964) 31–43. doi:10.1016/
0022-3697(64)90159-3.
[34] P. Morse, Diatomic Molecules According to the Wave Mechanics. II. Vibra-
tional Levels, Phys. Rev. 34 (1) (1929) 57–64. doi:10.1103/PhysRev.34.57.
[36] J. Tersoff, New empirical approach for the structure and energy of covalent
systems, Phys. Rev. B 37 (12) (1988) 6991–7000. doi:10.1103/PhysRevB.
37.6991.
[41] R. A. Johnson, D. J. Oh, Analytic embedded atom method model for bcc
metals, J. Mat. Res. 4 (05) (1989) 1195–1201. doi:10.1557/JMR.1989.1195.
[90] S. Xu, Z. Hao, Y. Su, Y. Yu, Q. Wan, W. Hu, An analysis on nanovoid growth
in body-centered cubic single crystalline vanadium, Comput.Mater.Sci. 50 (8)
(2011) 2411–2421. doi:10.1016/j.commatsci.2011.03.019.
[97] J. Segurado, J. Llorca, An analysis of the size effect on void growth in single
crystals using discrete dislocation dynamics, Acta Mater. 57 (5) (2009) 1427–
1436. doi:10.1016/j.actamat.2008.11.031.
[112] E. Orowan, Problems of plastic gliding, Proc. Phys. Soc. 52 (1) (1940) 8–22.
doi:10.1088/0959-5309/52/1/303.
148
[113] J. W. Swegle, D. E. Grady, Shock viscosity and the prediction of shock wave
rise times, J. Appl. Phys. 58 (2) (1985) 692. doi:10.1063/1.336184.
[114] H. Quinney, G. I. Taylor, The Emission of the Latent Energy due to Previous
Cold Working When a Metal is Heated, Proc. R. Soc. Lond. 163 (913) (1937)
157–181. doi:10.1098/rspa.1937.0217.
[115] V. Vitek, Atomic level computer modelling of crystal defects with emphasis
on dislocations: Past, present and future, Prog. Mater. Sci. 56 (6) (2011)
577–585. doi:10.1016/j.pmatsci.2011.01.002.
[121] E. Gamaly, The physics of ultra-short laser interaction with solids at non-
relativistic intensities, Phys. Rep. 508 (4-5) (2011) 91–243. doi:10.1016/j.
physrep.2011.07.002.
[126] S.-N. Luo, Shock compression and spallation of single crystal tantalum, AIP
Cong.Proc. 1426 (2012) 1259–1262. doi:10.1063/1.3686509.
[130] K. Wang, S. Xiao, M. Liu, H. Deng, W. Zhu, W. Hu, Shock Waves Propaga-
tion and Phase Transition in Single Crystal Iron under Ramp Compression:
Large Scale Parallel NEMD Simulations, Procedia Eng. 61 (2013) 122–129.
doi:10.1016/j.proeng.2013.07.104.
[139] C.-H. Lu, Laser Compression of Tantalum, Doctoral, UCSD, California, USA
(2013).
[153] A. Cao, Shape memory effects and pseudoelasticity in bcc metallic nanowires,
J. Appl. Phys. 108 (11) (2010) 113531. doi:10.1063/1.3506413.
[156] Y. Ma, E. Selvi, V. I. Levitas, J. Hashemi, Effect of shear strain on the phase
transition of iron: a new approach in the rotational diamond anvil cell, J.
Phys. Condes. Mat. 18 (25) (2006) S1075–S1082. doi:10.1088/0953-8984/
18/25/S14.
152