Materiales Sometidos A Condiciones Extremas

UNIVERSIDAD NACIONAL DE CUYO
FACULTAD DE INGENIERÍA
MENDOZA, ARGENTINA
Materiales Sometidos a Condiciones Extremas

Informe final para satisfacer los requerimientos
del grado de
Doctor
en
Ingenierı́a
por
Ing. Diego Ramiro Tramontina
Director de Tesis:
Dr. Eduardo Marcial Bringa
2014
Hoja de Rúbricas
ii
DEDICATORIA
A mi esposa Gabriela, por su compañı́a y apoyo incondicional.

A mis padres, Luis y Eliana, ejemplo de voluntad y sabidurı́a.
A mis hijos Nicolás, Valentina y Mateo, por las infinitas
dimensiones de su belleza.
iii
EPÍGRAFE
”Deseo que mi paı́s contribuya al desarrollo cientı́fico

y cultural del mundo actual, que tenga artistas, pensadores
y cientı́ficos que enriquezcan nuestra cultura y cuya obra
sea beneficiosa para nuestro paı́s, nuestros compatriotas
y la especie humana.”
—Bernardo Houssay
iv
TABLA DE CONTENIDOS
Hoja de Rúbricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii
Dedicatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Epı́grafe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv
Tabla de Contenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v
Reconocimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
Vita y Publicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viii
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
Capı́tulo 4 Compresión uniaxial de muestras monocristalinas . . . . . . . 50

4.1 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.2 Introducción . . . . . . . . . . . . . . . . . . . . . . . . 51
4.3 Procedimiento . . . . . . . . . . . . . . . . . . . . . . . . 52
4.4 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.5 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . 65
Capı́tulo 5 Plasticidad inducida por ondas de choque en Ta . . . . . . . . 70

5.1 Ondas de choque en [001] . . . . . . . . . . . . . . . . . 70
5.1.1 Resumen . . . . . . . . . . . . . . . . . . . . . . 70
5.1.2 Procedimiento . . . . . . . . . . . . . . . . . . . 72
5.1.3 Resultados . . . . . . . . . . . . . . . . . . . . . 74
5.2 Ondas de choque en [011] . . . . . . . . . . . . . . . . . 81
5.2.1 Resultados . . . . . . . . . . . . . . . . . . . . . 81
5.3 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . 89
Capı́tulo 6 Ondas de choque en Fe policristalino . . . . . . . . . . . . . . 91

6.1 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6.2 Introducción . . . . . . . . . . . . . . . . . . . . . . . . 92
6.3 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.4 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . 101
Capı́tulo 7 Notas Finales . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
Apéndice A Publicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
Apéndice B Algunos códigos desarrollados para este trabajo . . . . . . . . 116

B.1 Linear Profiler . . . . . . . . . . . . . . . . . . . . . . . 117
B.2 Radial Profiler . . . . . . . . . . . . . . . . . . . . . . . 125
B.3 Conteo de Defectos . . . . . . . . . . . . . . . . . . . . . 129
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
2001 Ingeniero Industrial, Universidad Nacional de Cuyo, Men-

doza, Argentina.
2011 Profesor Asistente de Matemática, Facultad de Ingenierı́a,

Universidad Nacional de Cuyo, Mendoza, Argentina.
2013 Profesor Asistente de Biomateriales, Universidad de Men-

doza, Mendoza, Argentina.
2014 Doctor en Ingenierı́a, Universidad Nacional de Cuyo, Men-

doza, Argentina.
PUBLICACIONES
C.J. Ruestes, D.R.Tramontina, E.M. Bringa, ”Impact studies with peridynamics”,

Mecánica Computacional XXXI, 11 (2012) 1877-1887.
D.R.Tramontina et al., ”Molecular dynamics simulations of shock-induced plastic-

ity in Tantalum”, High Energy Density Physics 10 (2013) 9.
E.Millán, D.Tramontina, E.M.Bringa, ”Parametric study of the plastic threshold

for grain-grain collisions”, MACI 4 (2013) 315.
N. Gunkelmann, D.R. Tramontina et al., ”Shock waves in polycrystalline iron:

plasticity and phase transitions”, Physical Review B 89 (2014) 140102.
D.R. Tramontina, C.J. Ruestes, Y. Tang, E.M. Bringa, ”Orientation-dependent re-

sponse of nanovoids in Tantalum monocrystals”, Computational Materials Science
90 (2014) 82.
C. Ruestes, A. Stukowski, Y. Tang, D.R. Tramontina et al., ”Atomistic Simulation

of Tantalum Nanoindentation: effects of indenter diameter, penetration velocity,
and interatomic potentials on defect mechanisms and evolution”, Materials Science
and Engineering A 613 (2014) 390.
N. Gunkelmann, D.R. Tramontina et al., ”Interplay of plasticity and phase trans-

formation in shock wave propagation in nanocrystalline iron”, New Journal of
Physics 16(9) (2014) 093032.
Y.Gao, C.J.Ruestes, D.R.Tramontina, H.Urbassek, ”Comparative simulation study

of the structure of the plastic zone produced by nanoindentation”, J.Mech 5 Phys.
Solids 75 (2015) 58.
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.
E. Figueroa, D.R. Tramontina, G. Gutierrez, E.M. Bringa, ”Softening and hard-

ening of nanowires under irradiation”, Applied Physics Letters (submitted)
E. Figueroa, D.R. Tramontina, G. Gutierrez, E.M. Bringa, ”Onset of stacking

fault tetrahedron in gold: a molecular dynamics and TEM simulation analysis”,
Computational Materials Science (submitted)
ix
RESUMEN DE DISERTACIÓN
Materiales Sometidos a Condiciones Extremas
por
Ing. Diego Ramiro Tramontina
Doctor en Ingenierı́a
Universidad Nacional de Cuyo, Mendoza, Argentina, 2014
Dr. Eduardo Marcial Bringa, Director
Los materiales sometidos a condiciones extremas de presión y temperatura

pueden comportarse de formas muy distintas a las esperadas en condiciones am-
bientales normales. Existe una necesidad creciente de cuantificar ese compor-
tamiento, de modo de asegurar el correcto desempeño de los materiales estruc-
turales en condiciones extremas y al mismo tiempo, aprovechar este compor-
tamiento para desarrollar nuevos materiales con propiedades mejoradas. La com-
prensión de la mecánica de deformación subyacente al comportamiento de materi-
ales sujetos a deformación requiere el estudio de ecuaciones de estado, propiedades
de defectos puntuales, lineales, planares y volumétricos, ası́ como los efectos de la
tasa de carga. Hay una notable cantidad de resultados obtenidos con dinámica
molecular de no-equilibrio (NEMD) para metales de estructura cúbica centrada en
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
1.1 Relevancia y Antecedentes

Comprender la respuesta dinámica de los sólidos en condiciones extremas de
presión, temperatura y velocidad de deformación constituye un área de búsqueda
cientı́fica que se extiende por casi un siglo. La dinámica de materiales y en par-
ticular el comportamiento de los sólidos bajo compresión dinámica extrema, es un
tema de gran interés cientı́fico y tecnológico [1, 2], de ciencias de los materiales
[3] para la astrofı́sica [4, 5, 6], la producción industrial [7, 8], e inclusive para
diseño aeronáutico [9] por nombrar algunas aplicaciones. Su estudio es importante
para comprender muchos de los procesos astronómicos o geofı́sicos observables,
pero también reviste gran interés tecnológico, dado que esta clase de estudios
pueden servir como base para el diseño de procesos industriales que permitan
crear nuevas fases termodinámicamente estables en condiciones ambientales nor-
males, o inclusive aleaciones nanoestructuradas con propiedades mejoradas para
aplicaciones tecnológicas. Sin embargo, tras décadas de investigación es mucho
lo que queda aún por resolver. Esto es particularmente cierto en regı́menes en
los que las condiciones extremas cambian rápidamente y la respuesta cinética de
la estructura subyacente del sólido gobierna el comportamiento dinámico a nivel
de continuo. Dicha respuesta se manifiesta a través de múltiples escalas espacio-
temporales e implica una amplia gama de fenómenos fı́sicos. Se ha aceptado am-
pliamente que las propiedades de los materiales a escalas de espacio-tiempo de los
1
2
fenómenos atomı́sticos tienen un profundo impacto en las propiedades macro tales

como plasticidad, transformaciones de fase y daño [10, 11]. Sin embargo, a pesar
de la importancia de estos procesos atomı́sticos ultrarrápidos, pocos estudios han
aportado al esclarecimiento acerca de su naturaleza, o proporcionado detalles adi-
cionales sobre la forma en que gobiernan la respuesta del material durante la com-
presión a alta presión. Muchas aplicaciones potenciales podrı́an surgir si se mejora
el proceso de comprensión y el control sobre la evolución de la microestructura
durante el intervalo de carga, que se extiende desde la génesis y caracterización de
nuevos materiales [12, 13], hasta la ratificación de cualquier proceso ultrarrápido
que pueda producirse en la naturaleza [14], incluyendo los procesos quı́micos y
bioquı́micos que subyacen en las aplicaciones industriales y medicinales actuales.
Queda claro que una comprensión fundamental de estos tópicos requiere
de la comprobación directa de los procesos fı́sicos transitorios pertinentes, en sus
escalas de longitud caracterı́sticas (nanómetros y picosegundos). Hoy nos encon-
tramos en una encrucijada única en la ciencia de materiales, donde la teorı́a,
los experimentos y las simulaciones han progresado hasta el punto en que este
tipo de investigaciones se superponen en escalas espacio-temporales [15]. Se están
diseñando experimentos para investigar los sólidos a presiones que exceden signi-
ficativamente los 100 GPa, en escalas de tiempo sumamente pequeñas mediante el
uso de instalaciones de alta densidad energética (HED) de última generación [16].
Al mismo tiempo, las metodologı́as computacionales han progresado hasta el punto
en que ahora es posible simular muestras de algunos micrómetros durante cientos
de picosegundos usando supercomputadoras de última generación [17]. Debido a
todas las dificultades que se presentan en la ejecución de experimentos en condi-
ciones HED, la incursión en el interior de la materia bajo condiciones de choque ha
permanecido prácticamente fuera de nuestro alcance. Este campo es sumanente
novedoso, por cuanto queda todavı́a una amplia gama de preguntas pendientes.
Este trabajo se focaliza en la respuesta a nivel estructural de los sólidos
cuando se los somete a cargas de alta presión, prestando especial atención a la
dinámica evolutiva de los micro-defectos [1, 18] y su influencia en las propiedades
mecánicas [19]. Esto es posible gracias a los avances en computación paralela de
3
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
la simulación de ondas de choque se emplean las primeras capas de átomos de

una de las superficies libres para que emulen a un pistón, al que se le impone
movimiento según una rampa lineal de velocidad, como sucede al observar el com-
portamiento de un perfil de velocidades tı́pico de una onda de choque generada
por un pulso láser de alta energı́a. Las muestras se relajan con la ayuda de al-
goritmos de minimización de energı́a eficientes. El parámetro de centro-simetrı́a
[22] se puede utilizar para identificar la creación, microestructura, tipo de defecto
y su evolución, como también para comparar con resultados provenientes de estu-
dios de TEM. En cuanto al post-proceso, se pueden generar patrones de difracción
simulada de rayos-X, además del empleo de algoritmos de reconocimiento de es-
tructuras cristalográficas [23, 24, 25]. Se estudian además varios parámetros que
sirvan para vincular las distintas escalas, preservando la representatividad de los
datos. Las consideraciones particulares se tratan más adelante.
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
de choque de alta presión, en distintas direcciones de interés particular.

El capı́tulo 6 está dedicado a los efectos observados en policristales someti-
dos a ondas de choque y una comparación de las respuestas obtenidas por algunos
potenciales de uso generalizado. Se emplea al hierro como sujeto de estudio, el
cual admite transformaciones sólido-sólido en el rango de presiones observado y
sirve como ejemplo para expandir la aplicación de las técnicas de post-proceso
empleadas.
Por último, el capı́tulo 7 brinda algunas de las conclusiones más importantes
de este trabajo y una potencial lı́nea de trabajo como continuación tentativa de lo
realizado aquı́.
Capı́tulo 2
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
económicos[27]. No obstante, su gran estabilidad de fase y alto punto de fusión

entre otras caracterı́sticas destacables de este material, lo hacen un elemento ideal
para aplicaciones en componentes que deban desempeñarse en ambientes extremos,
tales como los propios de la industria nuclear, aero-espacial y extractivas de base
minera entre otras.
Desde el punto de vista cristalográfico, se trata de un metal BCC, es decir,
su estructura cristalina es de tipo cúbica centrada en el cuerpo. Dentro de este
grupo también encontramos al Tungsteno (W), Molibdeno (Mo), Niobio (Nb),
Hierro (Fe), Vanadio (V) y Cromo (Cr) en sus estados naturales.
Posee un número atómico de 73 y pertenece al grupo V, perı́odo 6, bloque
d de la tabla periódica. Es resistente al ataque por ácidos, pero se puede dis-
olver en fluorhı́drico. Es un buen conductor eléctrico (7, 61 × 106 S m−1 ) y térmico
(57.5W K −1 m−1 )) y se caracteriza además por uno de los elementos más refractar-
ios conocido, con un punto de fusión de 3290K a presión ambiente y sólo superado
por el Tungsteno.
Los experimentos realizados hasta el momento no han permitido confirmar
la existencia de transformaciones sólido-sólido con la presión o temperatura. Su
alta resistencia mecánica y punto de fusión lo han convertido en un elemento ideal
para la producción de aleaciones para aplicaciones tecnológicas de alta temper-
atura. En cuanto al elemento puro, es considerado un candidato ideal para el
estudio de los mecanismos de deformación en metales BCC, dada la ausencia de
cambios en otras propiedades constitutivas[28].
2.2 La Dinámica Molecular

Las dinámica molecular (MDS) es una herramienta muy útil que permite
resolver problemas de muchos cuerpos en forma clásica. Es decir, que implementa
una solución mediante las ecuaciones clásicas del movimiento para la resolución de
sistemas de partı́culas. Esto implica que en contraste con los métodos de Monte
Carlo, es una técnica determinista: dada una configuración inicial de posiciones
y velocidades, la evolución del sistema está en principio definida. Una discusión
8
breve sobre este tema se presenta más adelante (2.2.2).

Para conocer completamente un sistema nanoestructurado (o cualquier otro
sistema material) es suficiente con resolver la ecuación de Schrödinger HΨ = EΨ
y la función de onda Ψ(Ri , rα ). Lamentablemente esto no es posible en términos
prácticos, por lo que debemos hacer uso de algunas simplificaciones.
Es posible expresar el hamiltoniano de un sistema en base a las coorde-
nadas y momentos de los centros de los núcleos atómicos, promediando el efecto
causado por la densidad de la nube electrónica. A esta última se la conoce como
aproximación de Born-Oppenheimer, la cual permite expresar la función de onda
en función las contribuciones debidas al núcleo y los electrones. En notación sim-
plificada se puede expresar:
H(~r, p~) = K(~r) + U(~p) (2.1)
donde ~r = (r1 , r2 , .., rN ) son los vectores de posición de los N átomos,

p~ = (p1 , p2 , .., pN ) son los momentos correspondientes, K es la energı́a potencial y
U es la energı́a cinética del sistema.
Las ecuaciones de movimiento del sistema están dadas por:
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
el caso de sistemas nanoestructurados, las fuerzas se modelan teniendo en cuenta

las interacciones atractivas de Van der Waals [30] y las repulsivas de corto alcance
de Pauli [31] debidas a la interferencia electrónica.
De esta manera, las interacciones se modelan a través de potenciales in-
teratómicos que tienen en cuenta los efectos comentados anteriormente.
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,
salvo para los más livianos.

s
2π~2
Λ= , Λ amin
0 (2.4)
mkB T
Λ
Si se considera por ejemplo el punto triple en lı́quidos, la relación amin
≈ 0.1
0
para elementos livianos tales como Li y Ar. La aproximación clásica tampoco es

precisa para Hidrógeno, Neón o Helio. Dicho de otra manera, los resultados de
la dinámica molecular deben interpretarse con mucha cautela en aquellos sistemas
donde los efectos cuánticos son considerables, tales como aquellos con baja masa
molecular m o baja temperatura T . Esto queda de manifiesto si se analiza desde
la perspectiva de la ecuación 2.4.
Actualmente es posible modelar sistemas de cientos de millones de átomos,
durante varios nanosegundos. Estas escalas son más que suficientes para observar
ciertos comportamientos. No obstante se debe tener especial cautela en algunos
casos a este respecto; desde el punto de vista de la duración los resultados pueden
considerarse precisos en tanto que la misma sea considerablemente mayor que el
tiempo de relajación de las cantidades que queremos estudiar; y cuando el tamaño
sea demasiado limitado, para lo cual debe prestarse atención a que las longitudes de
correlación de las funciones intervinientes sean lo suficientemente mayores a las del
sistema. Estas dos consideraciones son generales a casi cualquier tipo de modelo,
inclusive modelos continuos, donde el escaleo es un factor a tener en cuenta.
10
Puede decirse además y en términos generales, que los lı́mites en cuanto a

tamaño de muestra (cantidad de átomos) dependerá particularmente de la capaci-
dad del entorno de hardware donde se realicen los cálculos, pero también de la com-
plejidad del potencial interviniente. Por ejemplo, para simulaciones de Dinámica
Molecular Clásica, el costo de la evaluación mediante un potencial de a pares es-
cala como Ø(n2 ), donde n es el número de átomos en el sistema. Los métodos de
cálculo de a pares generalmente se agrupan bajo el nombre de Particle-Particle
Methods (PP). Existen alternativas que pueden emplearse en algunos casos para
reducir este valor, como los métodos electrostáticos. Uno de los más conocidos es
el Particle-Mesh Ewald (P3M), que puede escalar a Ø(nln(n)). Adicionalmente,
algunos algoritmos permiten reducir aún más el costo en la evaluación de fuerzas,
como el Fast Multipole Method (FMM) llegando a Ø(n).
2.2.2 Sobre las técnicas de integración numérica

Para hacer evolucionar un modelo MD se deben integrar las ecuaciones de
movimiento de las partı́culas respecto del tiempo. Esta integración temporal se
realiza gracias al uso de algoritmos de integración numérica, que en general están
basados en el cálculo de diferencias finitas, donde el tiempo a simular se discretiza
en un número finito de pasos. Luego conociendo las posiciones y algunas de las
primeras derivadas según sea la implementación, puede conocerse la situación final
usando un proceso iterativo. Como en cualquier método numérico, existen dos
fuentes de error. los errores de truncamiento están relacionados con la precisión
del método de diferencias finitas adoptado respecto de la solución exacta. Comun-
mente estos algoritmos se desarrollan a partir de una expansión de Taylor hasta un
orden determinado, truncando los términos posteriores. Los errores de redondeo,
dependen de la implementación particular del algoritmo.
La elección de un integrador numérico para el cálculo de este tipo de prob-
lemas es un tema de amplio estudio. Existe una diversa gama de integradores
disponibles, no obstante es recomendable tener en cuenta algunos aspectos impor-
tantes a fines de obtener convergencia rápida manteniendo un costo computacional
razonable. Las caracterı́sticas más relevantes pueden resumirse en; simplicidad,
11
simplecticidad, bajo orden de error y rapidez de convergencia. A continuación se

describe el integrador ”Velocity Verlet”, utilizado en este trabajo.
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
la diferencia con las cantidades calculadas en el primer paso. El valor resultante

suele una cantidad no-nula, constituye un importante indicador que se emplea para
corregir las posiciones y velocidades conjeturadas en el primer paso (predichas).
Las correcciones que se efectúan se escalan por medio de un factor optimizado para
maximizar la estabilidad del algoritmo.
2.2.3 Condiciones de borde

Como se dijo anteriormente, en la actualidad es posible simular sistemas
compuestos por cientos de millones de átomos y si bien se trata de una cantidad
importante, está muy lejos de la escala macroscópica donde se manejan cantidades
por lo menos, molares.
Una técnica empleada a menudo se basa en implementar condiciones periódicas
de contorno, que consiste en replicar indefinidamente el dominio de cálculo en una
o varias direcciones. De esta manera, cada partı́cula del sistema es replicada in-
definidamente y esto permite que cada una de ellas interactúe con sus imágenes,
eliminando virtualmente los lı́mites del sistema, que de otra forma agregarı́an efec-
tos de superficie a los resultados. Es importante sin embargo, prestar especial
atención a la dimensión de la muestra, especialmente cuando se practican opera-
ciones de rotación para trabajar sobre la activación mecanismos especı́ficos. Si
se dimensiona la muestra en forma incorrecta, eventualmente surgirán enlaces in-
correctamente configurados dado que sus distancias estarán en desacuerdo con los
parámetros de red permitidos. La consecuencia de ello es que se generan tensiones
artificiales entre los átomos que interactúan a través de los bordes periódicos,
induciendo campos de deformación también artificiales que nuclearán defectos a
partir de estas regiones, cuando no debieran hacerlo. En los capı́tulos que tratan
sobre los resultados computacionales, se habla un poco más sobre este concepto.
2.3 Potenciales Interatómicos

En el ámbito de la dinámica molecular, los potenciales interatómicos suelen
definirse mediante el uso de funciones potenciales. Esto es, funciones que permiten
13
determinar la energı́a potencial de una partı́cula en función de su posición relativa

respecto de su entorno. Luego, las fuerzas resultantes sobre cada partı́cula se
derivan a partir de esta función potencial. En términos matemáticos se puede
escribir en forma general como:
Fi = −∇φri (~
r1 , r~2 , r~3 , ..., r~N ) (2.9)
Como se comentó brevemente en el acápite anterior, la naturaleza cuántica

de la estructura molecular implica una serie de interacciones sumente complejas
y los modelos matemáticos resultantes resultan irresolubles en términos prácticos.
Como resultado, lo interesante es poder modelar las fuerzas que pueden mantener
a los átomos que conforman un sistema, en una situación estable en el tiempo.
Aquı́ entendemos como estabilidad al resultado de un balance entre las tendencias
repulsivas y atractivas que ocurren para una configuración geométrica determinada,
correspondiente al estado de equilibrio.
La construcción de un potencial interatómico encuentra sentido al basarse
en la hipótesis de Born-Oppenheimer, que postula que la dinámica electrónica se
puede estudiar partiendo del supuesto que los núcleos atómicos se encuentran en
reposo, con una distancia interatómica dada y orientación fijas, las que luego se
modifican al introducir grados de libertad a los momentos para modelar la vibración
y rotación. La justificación a este importante supuesto reside en que la dinámica
de los electrones trasciende en una escala de tiempo mucho más rápida que la
primera y que la nube elecrónica puede adaptarse continuamente a las variaciones
configuracionales de los núcleos. Para referencia, la masa de un electrón es del
1
orden de 5.510−4 uma y la movilidad relativa, ωα ωn−1 = (mn m−1
α ) ≈ 100.
2
De esta manera pueden modelarse todos los tipos de interacción interatómica,

que se describen brevemente a continuación.
Enlaces covalentes La dinámica cuántica de los electrones juega un rol esencial

en este tipo de interacciones ya que ellos proveen una ligadura estable gracias al
efecto de tunneling y se da en compuestos mono-elementales o de afinidad similar
en otro caso.
14
Enlaces Iónicos Este tipo de interacción se da comunmente en el caso de ma-

teriales compuestos, como en el caso de los haluro-alcalinos. La naturaleza de los
mismos en este caso es esencialmente electrostática, gracias a la polarización de
carga eléctrica que se produce por la gran probabilidad del proceso en el que el
átomo alcalino cede su electrón de valencia al haluro, que posee mayor afinidad
electrónica, en presencia de la interacción atractiva coulombiana.
Enlaces de Van der Waals Esta interacción provee el mecanismo de ligadura

que involucra átomos de elementos nobles, que no se relacionan mediante los
mecanismos anteriores dado que sus orbitales se encuentran completos y por lo
tanto carecen de afinidad electrónica. Este efecto también se encuentra presente
en los tipos anteriores en alguna medida, causando pequeñas perturbaciones. Está
asociado con la energı́a media no nula de interacción entre el campo producido por
el momento dipolar eléctrico de un átomo y el momento dipolar inducido en un
átomo adyacente, como también entre dipolos permantentes.
Puentes Hidrógeno Este tipo particular de interacción se produce entre átomos

del citado elemento y aquellos de alta electronegatividad y radio atómico pequeño,
como es el caso del Fl, N u O. El par de electrones que forman el enlace se en-
cuentran fuertemente atraı́dos por el elemento más electronegativo. Este hecho le
confiere cierto grado de polarización al enlace, de manera que se producen cargas
parciales entre los componentes enlazados y esto a su vez permite que se produzca
atracción eléctrica a nivel de molécula. Respecto de la energı́a de enlace, se puede
afirmar que es más debil que un enlace covalente o iónico, (∼ 10 kcal mol−1 ), sin
embargo, es suficiente para conferir ordenamiento cristalino, por ejemplo en gases
nobles en estado sólido, donde es el único tipo de interacción presente. Dicho
esto, es dable comentar que estas caracterı́sticas son muy complejas de modelar
y hasta el presente sólo es posible hacerlo incurriendo en un costo computacional
considerable cuando es posible.
15
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
Este es un clásico ejemplo de un potencial de a pares, es decir, que tiene

en cuenta la interacción de a pares de átomos. Más allá de su simplicidad, con-
tinúa siendo ampliamente utilizado, sobre todo cuando se desea observar el com-
portamiento de sólidos teóricos es decir, cuando las observaciones se centran en
aspectos fundamentales. Se lo considera un potencial estándar para probar el
comportamiento de nuevos modelos.
16
Es de la forma:
" 12 6 #
σ σ
Urij = 4 − (2.10)
rij rij
Figura 2.1: Potencial de Lennard-Jones
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
no es adecuado en casos donde se forman enlaces localicados fuertes, como en

los sistemas covalentes o cuando existe una densidad deslocalizada de electrones,
como en el caso de metales. En general los potenciales de a pares no emulan
correctamente este último efecto, por lo que sólo se restringe su utilización a casos
particulares donde las nubes electrónicas están bien localizadas y para el resto se
usan otros modelos que se comportan mejor.
En detalle, no es posible modelar las interacciones covalentes mediante po-
tenciales de a pares por varias razones [38, 39]:
• Para la mayorı́a de los materiales cúbicos, la relación entre las constantes

C12
elásticas C44
está bastante lejos de la unidad. Sin embargo los potenciales de
a pares llevan a la Relación de Cauchy, C12 = C44 .
• La predicción de la energı́a de formación de vacancias es muy similar a la

energı́a cohesiva. Esto es completamente incorrecto para metales. La energı́a
de relajación en los metales es bastante pequeña y los datos experimentales
sugieren que la relación entre estos parámetros es de ∼ 3 respectivamente.
• La distancia interatómica entre las primeras y segundas capas de átomos a lo

largo de una sección cualquiera que incluya a la superficie de la muestra, suele
estar sobredimensionada cuando se calcula con potenciales de a pares. Esto
contrasta nuevamente con los valores experimentales, que sugieren que por el
contrario deben mostrar una contracción del espaciamiento en la superficie
libre. Es decir que los potenciales de a pares fallan en predecir la relajación
interna de las superficies metálicas.
• Los potenciales de a pares fallan también en la predicción del punto de fusión

por hasta un 20% del valor experimental.
• Los potenciales de este tipo muestran solamente un óptimo para la distancia

diatómica de equilibrio, lo cual hace imposible el encaje apropiado de las
frecuencias fonónicas. Esta es una de las causas generatrices de lo expuesto
en el punto anterior.
18
No obstante, el bajo costo computacional relativo de este tipo de poten-

ciales ha desencadenado esfuerzos por mejorar su respuesta para estos casos de
aplicación. En general pueden identificarse dos estrategias distintas; Una es in-
cluir un funcional de densidad electrónica local y de aquı́ surgen los modelos EAM,
EFS y modelos de adherencia [40], por nombrar algunos; La otra aproximación se
basa en pasar de potenciales de a pares a potenciales de tipo cluster mediante la
adición de interacciones de mayor orden es decir, términos de tres y cuatro cuer-
pos, procurando formas funcionales correctas. Ası́ surgen los métodos de muchos
cuerpos.
Modelo de muchos cuerpos
Una forma general para un potencial puede escribirse de la forma:
N N,N −j N,N −j,N −j−k

X X X
Ur = U1 (ri ) + U2 (ri , rj ) + U3 (ri , rj , rk ) · · · (2.11)
i i,j i,j,k
El primer término U1 considera las interacciones que tienen lugar sobre un

solo átomo, generalmente fuerzas externas o condiciones de borde. El término U2
tiene en cuenta las correspondientes pares de átomos cualesquiera y su valor está
dado solamente por la distancia entre estos dos solamente, sin influencia de otros
elementos. Consecuentemente, el término U3 tiene que ver con interacciones entre
tripletes de átomos, o dicho de otra manera, cuando las interacciones de a pares se
ven influenciadas por la presencia de una tercer partı́cula. Esta ecuación tiene en
cuenta las interacciones de hasta N −átomos, no obstante, la inclusión de contribu-
ciones de cuarto orden en adelante no suelen compensar el costo computacional
de su cálculo, por lo que normalmente se incluyen en forma implı́cita mediante
funciones adicionales de pares o tripletes.
Truncamiento Desde el punto de vista computacional, es fácilmente imple-

mentable por cuanto se pueden simular sistemas de una gran cantidad de átomos.
No obstante, como se puede observar en la figura 2.1, el valor del potencial se hace
asintótico pero nunca se anula para grandes distancias (U → 0 , r → ∞), sin
19
embargo, las interacciones a grandes distancias no suelen producir efectos significa-

tivos en los resultados, mientras que computacionalmente evaluar estas cantidades
incrementa exponencialmente el tiempo de cálculo. Habitualmente se define una
distancia de truncamiento rc por sobre la cual el valor de potencial se fuerza a cero,
simplificando sustancialmente su evaluación. Generalmente este valor se establece
en el rango 2.5σ ≤ rc ≤ 3.2σ.
Modelo de átomo embebido (EAM)
En los últimos 40 años se han propuesto muchos métodos como el que

se presentará aquı́, entre los que podemos citar a la Teorı́a de Medio Efectivo
EMT, Potencial de Finnis-Sinclair EFS, Modelo de Adherencia GM o la Teorı́a de
Medio Efectivo Corregido CEM. Todos ellos están basados en argumentos fı́sicos
particulares, sin embargo desembocan en expresiones similares para la energı́a total
del sistema. Anteriormente decı́amos que los potenciales de a pares no modelan
bien el efecto de los electrones deslocalizados, inclusive si se agregan términos
dependientes de la densidad. Esta es una de las principales caracterı́sticas de los
sistemas metálicos. El modelo de átomo embebido viene a paliar esta situación.
Más allá de su simplicidad, logra representar muy bien los comportamientos tı́picos
de los metales, como por ejemplo el comportamiento elástico bajo esfuerzos de
corte, o la energı́a de formación de vacancias.
Está formado por dos partes principales, la primera dedicada a modelar el
comportamiento entre iones y la segunda para los efectos de densidad electrónica
local. Es de la forma:
N,N −j N
1 X X
Ur = φ(rij ) + f (ρi ) (2.12)
2 i,j i
Donde φ(rij ) es la función de a pares (nótese la similitud con U2 en ec. 2.11)

y f (ρi ) es un funcional de densidad electrónica entre los átomos i y j.
De esta manera, la energı́a de cada átomo queda determinada por la densi-
dad electrónica local en la posición actual y la función de embebimiento describe
la contribución de la densidad electrónica del átomo i causada por todos los elec-
20
Figura 2.2: Modelo de átomo embebido. La función de embebimiento tiene en cuenta el efecto causado por
la densidad deslocalizada de electrones
trones j. La sumatoria sobre esta función es de hecho una función de densidad de

probabilidad. La energı́a embebida se puede interpretar como la asociada con la
acción de agregar un átomo en el ambiente de electrones descrito por ρ mientras
que φ(rij ) describe las contribuciones electrostáticas. La forma general que se pre-
senta en la ec. 2.12 se puede considerar como una generalización de la idea básica
de la Teorı́a de Funcional de Densidad (DFT).
En rigor, la ecuación 2.12 refleja tanto las caracterı́sticas de un potencial
EAM como de Finnis-Sinclair y sus derivados, por lo que dependiendo de las formas
que adopten sus operadores, estaremos ante una u otra variante. Se ha presentado
en este lugar solamente a fines prácticos, pero en realidad es una forma general
para estos tipos de potenciales, como consecuencia de que los supuestos adoptados
son los mismos.
La ventaja principal de este tipo de modelos respecto de los multicuerpo
(sec. 2.3), radica en la habilidad de describir la variación en la fuerza de los enlaces
con el número de coordinación. Un incremento en el número de coordinación
disminuye la energı́a de cada uno de los enlaces individuales, lo que provoca que
se incremente la longitud de enlace y por ende la distancia interatómica.
Al igual que en el punto anterior, solamente se necesita cada distancia
interatómica rij para calcular la energı́a total del sistema, pero la función de em-
21
bebimiento aporta información sustancial que mejora considerablemente su com-

portamiento. Algunos autores suelen llamar a los potenciales de átomo embebido
como potenciales de a pares dependientes del entorno.
EAM Modificado (MEAM) . Las variantes conocidas como MEAM, intro-

ducida por Baskes [35], o EAM extendido (EEAM) de Johnson [41] introducen una
dependencia angular de la función de densidad electrónica ρ, que permite tener en
cuenta los efectos locales de simetrı́a en los enlaces interatómicos. Por supuesto
que los cálculos adicionales incrementan el costo computacional de cálculo, por
cuanto su uso se recomienda cuando estos efectos dominan el comportamiento del
sistema. Vale la pena destacar que la relación costo-beneficio de emplear este tipo
de potenciales no suele jugar a favor, por lo tanto no es recomendable hacer uso
de los mismos sino cuando es estrictamente necesario dadas las condiciones par-
ticulares del caso. Actualmente todavı́a no se cuenta con una implementación que
funcione correctamente a altas presiones.
Potenciales Basados en Primeros Principios
Existen varias técnicas que permiten construir potenciales que tengan en

cuenta los efectos angulares. Estos efectos no suelen ser despreciables, sobre todo
en el caso de los metales de transición, donde los orbitales d interactúan para
vincularse con otros iones. La naturaleza del comportamiento de la capa d es
esencialmente direccional, por cuanto los efectos angulares adquieren relevancia.
Dentro de dichas técnicas, podemos citar al ejemplo de la Teorı́a de Pseu-
dopotencial Generalizada Basada en Primeros Principios (FPIP) [42], en que se
emplea una combinación de modelos de ondas planas y orbitales d localizados
para expandir en forma autoconsistente la densidad electrónica y la energı́a total
del sistema. Los elementos de la matriz que se obtiene, resultan de una combi-
nación de elementos tipo sp-débiles, dd-tight-binding y sp-d de hibridación. Ası́,
los elementos matriciales se pueden calcular directamente por métodos de primeros
principios. La descripción de esta técnica no es motivo del presente documento,
sin embargo a efectos comparativos se presenta la ecuación general de este tipo
22
de potenciales. La forma funcional de energı́a total en el espacio real se puede

representar explı́citamente como sigue:
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
Donde Ω es el volumen atómico, N la cantidad total de iones en el sis-

tema, U3 y U4 son las funciones potenciales angulares para las interacciones entre
tres y cuatro iones respectivamente. Hvol es una forma que incluye todas las con-
tribuciones los iones independientes a la energı́a total. Nótese que en este caso, el
comportamiento del sistema es regulado por una combinación lineal de 4 poten-
ciales, cada uno de una clase particular y adecuada para el caso, con lo que el costo
computacional de utilizar estos potenciales se incrementa varios órdenes de magni-
tud con respecto a los anteriores. Esto lleva a que para una plataforma computa-
cional dada, los sistemas que pueden modelarse deberán ser considerablemente más
pequeños, por cuanto su utilización suele limitarse al estudio de comportamientos
particulares, como pueden ser las transformaciones de fase, determinación de la
energı́a de formación de vacancias o de las frecuencias fonónicas por citar algunos
ejemplos, allı́ donde los potenciales de a pares no funcionan bien. Independiente-
mente de ello, el acuerdo con datos experimentales en casos de simulaciones a altas
presiones no es tan bueno.
2.4 Potenciales para Tantalio

La historia demuestra que a lo largo de los últimos años el interés cientı́fico
estuvo naturalmente alineado con el estudio del comportamiento de metales tipo
cúbicos centrados en las caras (FCC). Elementos tan importantes tecnológicamente
como el cobre o el hierro poseen este tipo de simetrı́a en alguno de sus estados
23
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]
Los potenciales de tipo EFS fueron diseñados especı́ficamente para met-

ales de transición, evitando el problema de la relación de Cauchy, o la relajación
superficial (ver sec. 2.3). Como se comentó anteriormente, se puede describir
matemáticamente haciendo uso de la ecuación 2.12 y la diferencia radica en las
interpretaciones fı́sicas que se les atribuyan a f (ρi ) y a ρ.
En este caso, se adopta:
φ(r) = (r − c)2 (c0 + c1 r + c2 r2 ) (2.14)
√
f (ρ) = − ρ (2.15)
1X
ρ= ψ(rij ) (2.16)
2 i6=j
ψ(rij ) = (r − d)2 (2.17)
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
como en el caso de altas presiones. En consecuencia los cálculos de energı́a resultan

en valores mucho más bajos que los experimentales y/o la predicción teórica.
EFS de Dai et al. (2006)[44]
Este potencial interatómico fue desarrollado en en el Laboratorio de Ma-

teriales Avanzados del Departamento de Materiales, Ciencia e Ingenierı́a de la
Universidad de Tsinghua en China, por X.D. Dai y sus colaboradores. En rigor
puede decirse que pertenece a la clase de potenciales de átomo embebido (ver sec.
2.3). La diferencia en el caso de los Finnis-Sinclair radica en que la función de a
pares toma una forma polinómica de cuarto grado cuando en un EAM es de tipo
exponencial. En el primero, si bien se comporta de manera adecuada para simular
defectos puntuales, zonas intergranulares, superficies y algunas transiciones, estu-
dios posteriores expusieron algunos problemas principalmente relacionados con un
rápido alejamiento de los volúmenes de equilibrio y resultados indicativos de menor
rigidez a la observada en datos experimentales. Debido a ello Dai postula en su
forma extendida una forma polinómica de sexto grado para la función de a pares
en la forma que se muestra en la ecuación 2.18, con la cual mejoran los efectos
repulsivos.
φ(r) = (r − c)2 (c0 + c1 r + c2 r2 + c3 r3 + c4 r4 ) (2.18)
√
f (ρ) = ρ (2.19)
X
ρ= A2 ψ(rij ) (2.20)
i6=j
ψ(rij ) = (r − d)2 + B 2 (r − d)4 (2.21)
Por otro lado, también propone un funcional de densidad electrónica dis-

tinta, agregando un término respecto de la forma original de Finnis y Sinclair (eq.
2.15), para mejorar el comportamiento sobre todo en cristales FCC. El parámetro
d se asume entre la segunda y tercer capa de átomos, incrementando el orden de
interacciones respecto de la propuesta original.
25
EAM Daw y Baskes (1984)[35]
Este tipo de potencial fue la primer alternativa frente a los potenciales de a

pares disponibles hasta ese momento. Su desarrollo se fundamentó en el encaje de
las funciones en la ecuación 2.12 usando DFT, de acuerdo a la cual la energı́a de un
grupo de átomos se puede expresar exactamente como el funcional de su densidad
electrónica [45]. De manera similar, el cambio en la energı́a que supone embeber
un átomo en un medio poblado de ellos, es un funcional de la densidad de átomos
de ese grupo antes de incluir la nueva partı́cula. Si se puede encontrar una buena
aproximación de este funcional, entonces se puede construir una forma congruente
para la energı́a de un átomo en ese medio. Dado que la publicación original se basa
en fundamentos cuánticos que no son objeto de este trabajo, pueden ser verificados
directamente de su fuente. El rango de validez de los resultados de estos tipos de
potenciales está directamente relacionado con las condiciones bajo las cuales se
consideran los parámetros de entrada para el encaje de las funciones del potencial
interatómico. De esta manera, los rangos de operación para los EAM se han ido
incrementando con la aparición de nuevas técnicas de cálculo permitiendo simular
metales sometidos a condiciones cada vez más extremas [41, 46, 47, 28].
MGPT de Moriarty et al.(2005)[48]
Estos potenciales se obtienen asumiendo un esquema simplificado al prop-

uesto para los tipos FPIP (sec. 2.3). En particular, al proponer que las interac-
ciones atómicas de largo alcance dadas por las componentes sp de hibridación,
interfieren destructivamente, se pueden despreciar directamente de la ecuación
2.13. Paralelamente, las contribuciones multi-iónicas no ortogonales del estado
d se integran a la función de pares U2 , pero se establecen bandas d canónicas
para representar los elementos matriciales d-d tight-binding restantes en forma
analı́tica. Como resultado se obtiene un potencial sensiblemente menos costoso al
originalmente postulado [42].
Para esta implementación se calcularon todos los parámetros asegurando
estabilidad de fase hasta 100 GPa, por cuanto no se recomienda su utilización por
arriba de este umbral. Existe otro potencial de este tipo que sı́ ha sido preparado
26
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]
para altas presiones, pero no es de dominio público.
EAM de Ravelo et al.(2013)[28]
Las caracterı́sticas del modelo de átomo embebido ya fueron descritas an-

teriormente 2.3. Sin embargo, cabe destacar las particularidades de este nuevo
potencial. Hasta el momento de su publicación, ningún potencial interatómico
habı́a sido especialmente calculado para reproducir las propiedades del sólido bajo
condiciones de alta presión y alta temperatura. Para ello el equipo del Prof. Rav-
elo se enfocó especialmente en la estabilidad de fase respecto de otros potenciales
disponibles . De esta manera se logró evitar la transformación artificial de fase
sólido-sólido que muestran otros potenciales como se puede apreciar en la figura
2.4, llegando a valores cercanos a los calculados por métodos de primeros principios
[51].
Esta implementación hace uso de una función compuesta para la interacción
de a pares de la ec. 2.12, haciendo uso de una función de Rydberg para la parte
repulsiva y una polinómica de corto alcance para la porción atractiva, debidamente
ajustadas hasta la tercera derivada. Como se verá más adelante, todo el trabajo
relacionado a Ta que se expone en este trabajo fue realizado en un espacio rela-
27
Figura 2.4: Estabilidad de fase BCC-HCP calculadada para diversoso potenciales de Ta. El EAM de Ravelo
muestra una estabilidad de fase muy superior al resto.
tivamente bajo de presiones con el objeto de poder comparar la respuesta en el

mismo rango de trabajo de aquellos que lo preceden. Sin embargo, este potencial
es novedoso en el sentido de que ahora es posible simular altas presiones mediante
técnicas de dinámica molecular.
Capı́tulo 3
Metodologı́a
3.1 Sobre las simulaciones
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
Nombre Sı́mbolo a0 (nm) Masa (uma) Estructura

Tantalio Ta 0.3304 180.95 BCC
Hierro Fe 0.2866 55.85 BCC
Tungsteno W 0.3165 183.84 BCC
Vanadio V 0.3030 50.94 FCC
Cobre Cu 0.3615 63.55 FCC
Oro Au 0.4078 196.96 FCC
Niquel Ni 0.3524 58.69 FCC
Tabla 3.1: Algunas propiedades de elementos relevantes utilizados en este trabajo [52]
retirar los átomos, se genera un campo de tensiones en la vecindad del nano-hueco,

que puede afectar a la evolución de la simulación. Se hace necesario entonces, llevar
las posiciones de todos los átomos en la muestra computacional a sus ubicaciones
óptimas para acomodar dicho estado tensional de la mejor manera posible. La
manera de lograr esto es minimizando la energı́a del sistema, para lo que conta-
mos con varias técnicas posibles. En nuestro caso hemos preferido el método del
gradiente conjugado tipo Polak-Ribiere [53], dado que se trata de un algoritmo
con muy buena eficacia para la mayorı́a de los problemas de este tipo. De to-
dos modos es importante aclarar que la configuración atómica inicial debe estar
lo suficientemente próxima al mı́nimo, dado que al igual que otros algoritmos de
minimización, pueden detenerse en un óptimo local y no se llegarı́a a alcanzar el
mı́nimo energético. Luego, las simulaciones podrı́an caer en estados artificiales sin
utilidad alguna.
La importancia de la adición de nanohuecos radica en que estas estructuras
actúan como fuentes pre-existentes de defectos, y la energá necesaria para nu-
cleación de dislocaciones en su presencia es menor a la requerida en el caso de
nucleación homogénea de dislocaciones. Esto es lo que ocurre en la vecindad de un
defecto pre-existente en un cristal real, y ocasiona que las densidades de disloca-
ciones obtenidas se incrementen entre dos y tres órdenes de magnitud con respecto
a la densidad inicial, logrando valores en acuerdo con resultados experimentales
a altas tasas de deformación [54]. Los fundamentos de esta técnica se tratan en
profundidad en [55].
La misma metodologı́a se sigue para orientar los cristales según direcciones
30
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.
conf . x y z |ǐ| |ǰ| |ǩ|

a [100] [010] [001] √1 √1 √1
b [112̄] [111] [11̄0] √6 √3 √2
c [11̄0] [112̄] [111] 2 6 3
Tabla 3.2: Esquema de configuración de ejes para simulaciones sobre direcciones preferentes, de la forma en
que fueron implementadas para este trabajo.
3.1.2 Defectos
(Fuente: http://www.nde-ed.org/)
Brevemente y por razones de completitud, se describirán los principales

tipos de defectos que pueden encontrarse en un cristal. No obstante se recomienda
para una profundidad adecuada consultar la bibliografı́a especı́fica. La clasificación
más general de suele organizar los defectos en función de la dimensionalidad nece-
saria para su descripción completa. De esta manera, quedan agrupados en defectos
puntuales, planares y volumétricos. Una forma práctica de identificar algunos de
ellos es a través del Vector de Burgers.
Vector de Burgers
Se trata de un vector comúnmente identificado usando la notación b, que

representa la magnitud y dirección de la distorsión de red que resulta de la presen-
cia de una dislocación en una red cristalina. La magnitud y dirección de este vector
suele visualizarse mejor imaginando la red cristalina perfecta. En esta situación,
se puede dibujar un rectángulo donde los lados son múltiplos de a, el parámetro de
red del cristal y ubicado de tal manera de que encierre al sitio donde se encuentra
31
Figura 3.1: Representación del vector de Burgers correspondiente a una dislocación de tornillo.
el origen de la dislocación. Una vez hecho esto, se introduce la dislocación, que

generará una deformación de la red cristalina y también distorsionará al rectángulo.
Al ocurrir esto el rectángulo original, una forma geométrica cerrada, se interrum-
pirá convirtiéndose en una poligonal abierta. Dicha apertura es la que define a
nuestro vector. Su magnitud estará dada por la longitud necesaria para cerrar la
curva, y la dirección dependerá del plano de la dislocación, que usualmente co-
incidirá con uno de los planos de mayor empaquetamiento. La magnitud puede
definirse a través de la siguiente ecuación,
√
k b k= (a/2) h2 + k 2 + l2 (3.1)
donde a es el parámetro de red del cristal, k b k es la magnitud del vector

de Burgers, y h, k, l son las componentes del vector en un espacio R3 , b =< hkl >.
En la mayorı́a de los metales, la magnitud será equivalente al parámetro de red
ante una dislocación completa, dado que la dislocación desfasará la red cristalina
por una cantidad equivalente a a. La figura 3.1 muestra la representación de un
vector de Burgers para una dislocación de tipo tornillo.
La importancia de esta cantidad vectorial radica en que es de gran utilidad
a la hora de clasificar tipos de defectos y simplifica bastante su representación ya
32
que evita la necesidad de tener que dibujar la estructura completa.
Defectos Puntuales
Este tipo de defectos se encuentran únicamente en la vecindad o sobre un

solo punto de la matriz cristalina y no se extiende a lo largo de ninguna dirección.
A pesar de que no contamos con una definición clara de lo que es un defecto pun-
tual, comúnmente suelen identificarse porque se trata de la ocurrencia de átomos
adicionales o faltantes en la malla.
Los defectos puntuales incluyen átomos auto intersticiales, impurezas inter-
sticiales, átomos sustitucionales y vacancias. Un átomo auto intersticial 3.2(c) es
un átomo extra que se ha alojado en un vacı́o intersticial de la estructura cristalina.
Este tipo de defectos se encuentran sólo en bajas concentraciones en metales porque
distorsionan mucho el arreglo, generando altos niveles de tensión.
Una átomo sustitucional 3.2(h) es un átomo de un tipo diferente a los
átomos de la matriz cristalina, que ocupa una de las posiciones donde normalmente
se encontrarı́a un átomo de la matriz. Estas impurezas son por lo general de
un tamaño muy similar al del elemento que conforma la red cristalina, con una
dispersión de aproximadamente 15%. Un ejemplo tı́pico de ello se puede encontrar
en el latón, que es una aleación de Cobre y Zinc donde los átomos de Zn (de radio
∼ 0.133 nm) sustituyen algunos de los átomos de Cu (r=0.128 nm).
Las impurezas intersticiales 3.2(a) son generalmente mucho menores que
los átomos de la matriz cristalina y ocupan los espacios caracterı́sticos de la red.
Un ejemplo de este tipo puede ser la adición de C en Fe, que produce la conocida
aleación hierro-carbono que llamamos Acero. Aquı́. los átomos de C (r=0.171 nm)
encajan en los espacios de la matriz de Fe (r=0.124 nm) de tamaño superior.
Las vacancias 3.2(d) son espacios vacı́os donde un átomo de la matriz
cristalina está ausente. Son comunes, especialmente a altas temperaturas cuando
los átomos cambian de posiciones al azar dejando tras de sı́ sitios vacı́os. Es
el principal mecanismo responsable de difusión sólida (transporte de masa por
movimiento atómico).
33
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
Las dislocaciones o defectos lineales son otro tipo de defecto presentes en

cristales. Se trata de lugares donde los átomos están fuera de su posición en
la estructura cristalina. Las dislocaciones se pueden nuclear y mover cuando se
aplica una tensión sobre el cristal. Este mecanismo es uno de los causantes de la
deformación plástica ya que provoca deslizamiento interplanar.
Hay dos tipos básicos de dislocaciones, la dislocación de borde y la dislo-
cación de tornillo, aunque en la realidad, las estructuras que pueden encontrarse
son formas hı́bridas de las dos anteriores.
Dislocaciones de Borde (Edge) Se pueden visualizar como si se incrustara

un semiplano adicional de átomos en el seno de una matriz cristalina. El defecto
generado es un defecto lineal porque produce los puntos defectuosos se generan a
lo largo de una lı́nea, coincidente con el borde del plano incrustado. Los enlaces
inter-atómicos se distorsionan significativamente, pero solamente en la vecindad la
34
lı́nea de dislocación.
Figura 3.3: Representación en 3-D de una dislocación de borde, vista de frente.
Dislocaciones de Tornillo (Screw) Hay un segundo tipo básico de dislocación,

llamada dislocación de tornillo. La dislocación de tornillo es un poco más difı́cil de
visualizar. El movimiento de una dislocación de tornillo también es resultado de
la tensión de cizallamiento, pero el movimiento de la lı́nea de defectos es perpen-
dicular a la dirección de la tensión y el desplazamiento atómico, en lugar de ser en
paralelo. Para visualizar una dislocación de tornillo podemos imaginar un bloque
de metal al que se le ha aplicado un esfuerzo de corte en un extremo hasta que el
metal comience a deformarse plásticamente. Esto se muestra la parte izquierda de
3.4. La imagen derecha muestra el plano de átomos justo por encima del desliza-
miento. Los átomos representados por los cı́rculos azules aún no se han movido
de su posición original. Los átomos representados por los cı́rculos rojos se han
trasladado a su nueva posición en la red y han restablecido los enlaces metálicos.
Los átomos representados por los cı́rculos verdes están en el proceso de reaco-
modamiento. Se puede observar que sólo una parte de los enlaces se rompió. El
deslizamiento generado por el movimiento de este tipo de dislocación requiere de
menos energı́a que para el caso de una dislocación de borde, ya que no es necesario
romper simultáneamente todos los enlaces para hacer posible el movimiento de la
35
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
Una interrupción de la secuencia de apilamiento de largo alcance puede

producir otros dos tipos comunes de defectos cristalinos: Falla de apilamiento y
Maclas. Un cambio en la secuencia de apilamiento durante sólo unos espaciamien-
tos atómicos produce un fallo de apilamiento mientras que un cambio en muchas
separaciones atómicas con simetrı́a especular produce una macla. Estos no son los
únicos defectos planares, pero son los más comunes. En el caso de nano-cristales
por ejemplo, un defecto planar es el borde de grano, que es un conjunto de átomos
comúnmente desordenados que median entre dos cristalitas.
Fallas de Apilamiento Una falla de apilamiento es una interrupción de una

o dos capas en la secuencia de apilamiento de planos atómicos. Las fallas de
apilamiento se producen en una serie de estructuras cristalinas, pero es más fácil
de entender en las estructuras de empaquetamiento compacto. Por ejemplo, se sabe
que las estructuras cúbicas centradas en las caras (fcc) difieren de las hexagonales
compactas (hcp) solamente en su orden de apilamiento. Para las estructuras fcc
36
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.
Maclas Si una falla de apilamiento no cesa inmediatamente, sino que continúa

durante un número determinado de capas atómicas, se producirá un segundo de-
fecto de apilamiento concatenado con la primera. Por ejemplo, si el patrón de apil-
amiento es ABABABAB pero cambia a ABCABCABC por un perı́odo de tiempo
antes de volver a ABABABAB, estamos ante una nano-macla. La figura 4.5 de
una idea de esto (tomado de [56]).
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
completa [111]/(2̄11) en bcc (Tomado de [56]).
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]
con lo que se esperı́a encontrar en una micrografı́a.

No es común encontrar dislocaciones en un nanocristal, dado que las estruc-
turas intergranulares actúan como zonas de relajación del material y suele ser sufi-
ciente para acomodar la disipación de energı́a necesaria frente a una deformación.
No obstante, dependiendo del tamaño de grano, tipo de material, temperatura y
condiciones de deformación, es posible encontrar dislocaciones intragranulares, ası́
como también maclas.
3.1.4 Sobre las estrategias de partición

Un aspecto importante a tener en cuenta en todos los casos tiene que ver con
la implementación de las condiciones periódicas de contorno, dado que la ubicación
de los átomos en estos extremos debe ser la correcta para evitar errores de apil-
amiento causados por la implementación de distancias interatómicas artificiales.
Esto no reviste mayores problemas para el caso en que la orientación del cristal es
ortogonal a los ejes de la simulación. Sin embargo, cuando se practican rotaciones
a dichos cristales para orientarlos según las direcciones principales de las cuales
39
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.
3.1.5 Ondas de choque

La modelación que tiene por objeto simular el comportamiento a nano-
escala de materiales sometidos a ondas de choque ha sido tratada extensivamente
40
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.
3.1.6 Esfuerzo uniaxial

A menudo es interesante analizar la respuesta de los materiales bajo condi-
ciones especı́ficas, reduciendo el nivel de complejidad para de esta manera poder
obtener comportamientos directamente relacionados con estı́mulos simples. Este
enfoque sigue una metodologı́a analı́tico-deductiva, sin embargo el desarrollo de
plataformas experimentales que logren aislar de manera completa o por lo menos
considerable los efectos no esperados, es casi utópico. Es por ello que nuevamente,
41
herramientas tales como las simulaciones computacionales proporcionan un ambi-

ente de estudio óptimo para estos casos. Un ejemplo de ello es el dedicado a esta
sección, donde pueden estudiarse materiales bajo compresión uniaxial perfecta y
observar la respuesta del material acorde con este escenario.
En el presente trabajo nos dedicamos al tratamiento de los resultados
obtenidos con Dinámica Molecular, si bien se cuenta con distintas técnicas que
pueden arrojar en algunos casos resultados similares, como es el caso de la Dinámica
de Dislocaciones. Sin embargo, esta técnica falla al momento de predecir la nu-
cleación y evolución de maclas, por ello no se emplean dentro de nuestro trabajo.
Normalmente suelen preferirse determinadas orientaciones cristalográficas
para el caso de materiales monocristalinos, con el objeto de estudiar la activación
de determinados comportamientos elásticos y plásticos. En el Capı́tulo 4 se da un
tratamiento más detallado.
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.
3.2.1 Muestreo de Ensambles

Las simulaciones computacionales generan datos a nivel atomı́stico tales
como posiciones, velocidades y momentos y su conversión desde este nivel de detalle
en términos macroscópicos (como presión, temperatura, energı́a interna) es imperio
de la mecánica estadı́stica. Existe una vasta cantidad de material acerca de su
fundamentación [65, 66] por cuanto será objeto de este capı́tulo el resumir algunas
cuestiones para su aplicación en simulaciones computacionales.
42
Consideremos un sistema simple de un solo elemento. El estado termodinámico

de ese sistema puede definirse en base a un conjunto reducido de parámetros, tales
como la cantidad de partı́culas del sistema N , la temperatura T y la presión P .
Luego, otras variables termodinámicas como la densidad ρ, el potencial quı́mico
µ o el calor especı́fico cv se pueden derivar fácilmente de los anteriores. Todos
estos elementos dicen algo acerca del sistema y sus valores están dictados por las
variables que caracterizan su estado termodinámico y no por el gran número de
posiciones y momentos que en cambio sı́ definen la situación instantánea de su
estado mecánico. Esas posiciones y momentos pueden interpretarse como coorde-
nadas en un espacio multidimensional que se conoce como espacio de fase. Para un
sistema de N átomos, este espacio tiene 6N dimensiones. Si utilizamos la variable
γ para identificar en forma abreviada a un átomo cualquiera de ese sistema en
el espacio de fase y suponemos que podemos caracterizar al valor instantáneo de
alguna propiedad Υ, que podrı́a ser por ejemplo la energı́a cinética del sistema,
dicha propiedad serı́a una función definida en el espacio de fase Υ(γ). Dado que
este sistema evoluciona con el tiempo, los estados de γ y por ende Υ(γ) también lo
hacen. Se puede asumir experimentalmente que un observable macroscópico serı́a
un valor medio de dicha propiedad, a lo largo de un tiempo suficientemente grande
y podemos expresarlo matemáticamente como:
Z tobs
1
Υobs = hΥit = hΥ(γ(t))it = lim Υ(γ(t))dt (3.2)
tobs →∞ tobs 0
Las ecuaciones que gobiernan esta evolución temporal son las ecuaciones
de movimiento de Newton, harto conocidas y su resolución en la práctica implica
operar sobre un sistema de ecuaciones diferenciales ordinarias. Supongamos que
queremos calcular estas cantidades para un sistema compuesto por un número
finito de átomos, digamos por ejemplo 107 . Esta cantidad está todavı́a bastante
lejos de una cantidad macroscópica (1023 ) y en un sentido similar, tampoco se
puede extender la evaluación del observable hasta un tiempo infinito, por cuanto
en la práctica y dado el caso particular, podrı́a ser suficiente a nuestros propósitos
con extender estos cálculos hasta un tiempo tobs . Ahora se puede reescribir la
ecuación 3.2 en forma discreta.
43
τobs
1 X
Υobs = hΥit w Υ(γ(t)) (3.3)
τobs τ =1
Donde empleamos análogamente a τ como un ı́ndice que recorre a la sucesión

de pasos temporales.
Sin embargo, lo anterior puede llevar a un concepto equivocado, del cual
no presentaremos justificación pero sı́ una breve explicación de las consecuencias.
El cálculo de medias temporales en dinámica molecular no es una aproximación a
las propiedades termodinámicas implı́citas en la mecánica estadı́stica convencional,
principalmente porque la evolución temporal de Υ(γ) en un sistema de tamaño con-
siderable, es de una complejidad sustantiva. El procedimiento estándar entonces
es reemplazar la media temporal por la media del ensamble, donde por ensamble
queremos significar a un conjunto de puntos γ en el espacio de fase. Estos puntos
se distribuyen en el espacio de fase según una densidad de probabilidad ρ(γ) y esta
función queda definida una vez que se ha fijado un conjunto mı́nimo de variables
de estado macroscópicas NVT, NPT, NPH, NVE, etc. Ergo, es usual especificar
a partir de qué conjunto de variables queda definida. Cada punto representa un
sistema tı́pico para un tiempo dado y dado que evoluciona gracias a las ecuaciones
clásicas del movimiento, lo hace en forma independiente respecto de los otros sis-
temas. Como consecuencia de esto, la densidad de probabilidad del espacio de fase
en un ensamble cualquiera ρens (γ) también cambia con el tiempo. De todos modos
esto no implica que los otros sistemas se creen o destruyan con el paso del tiempo y
como postula el Teorema de Liouville, que es esencialmente un ley de conservación
dρ
para la densidad de probabilidad, dt
= 0, donde la derivada total con respecto al
tiempo, siguiendo un estado γ a medida que se mueve por el espacio de fase, es
nula.
Entonces, si ρens (γ) representa a un ensamble en estado de equilibrio, im-
plica que su dependencia respecto del tiempo desaparece. Cabe preguntarse en-
tonces cómo evoluciona si no cambia con el tiempo; A medida que cada sistema
deja un estado particular γ(τ ) y se mueve al estado siguiente γ(τ + 1), otro sis-
tema proveniente de γ(τ − 1) lo reemplaza. Esto termina describiendo un camino
evolutivo sobre el espacio de fase, que dependerá de las condiciones iniciales. Al
44
variar estas condiciones, cambiamos la posición en el espacio de fase desde la cual

comienza la evolución del sistema, por lo que entonces se puede decir que pueden
haber distintos caminos posibles dentro del espacio de fase. Se dice que si existe
solamente un camino que pasa por todos los puntos del espacio de fase para la
cual la densidad de probabilidad nunca se anula, ese camino constituye un circuito
cerrado y el sistema se denomina ergódico. El tiempo que tomarı́a completar un
ciclo completo se conoce como tiempo de recurrencia de Poincaré y serı́a consid-
erablemente prolongado para un sistema de muchos átomos. De todos modos el
hecho de que muchos sistemas puedan moverse por el mismo espacio de fase no
es el concepto importante, sino el que subyace; Que las propiedades medias de
cualquiera de estos sistemas puede entonces deducirse a partir de un sólo punto
de ese espacio de fase y ya no es necesario recorrer todos los caminos evolutivos
posibles. En términos matemáticos, esto es equivalente a a reemplazar la media
temporal por un promedio calculado sobre todos los sistemas del ensamble, a partir
de un punto dado del espacio de fase.
X
Υobs = hΥiens = hΥ|ρens i = Υ(γ)ρens (γ) (3.4)
γ
Donde hΥ|ρens i implica la dependencia de esta media tanto de Υ como de

ρ por cuanto frente a una derivada termodinámica debe tenerse en cuenta este
hecho.
Sin embargo, lo que nos atañe son las cuestiones prácticas sobre eficiencia
y un suficiente nivel de confiabilidad en el muestreo a través del espacio de fase
(que no es lo mismo que la definición rigurosa de ergodicidad. Se puede encontrar
una discusión completa sobre el tema en [67]) y dado que no ahondaremos en estos
temas aquı́, bastará con resumir las cuestiones importantes a tener en este tipo de
simulaciones. En general los sistemas se caracterizan por contener mı́nimos locales
en sus estados energéticos y es importante conocer de antemano cómo es su espa-
cio de fase a fines de seleccionar correctamente las condiciones iniciales de nuestras
simulaciones, de manera que los caminos evolutivos posibles cubran la mayor can-
tidad posible de estados y de esta manera, que el mapeo de las propiedades medias
sean representativas de las propiedades del sistema.
45
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
La ecuación 3.7 concuerda con el principio de equipartición; Una cantidad

kB T
de energı́a de 2
por grado de libertad. Y es de esa misma forma que se deduce
la temperatura de la siguiente manera; El número de grados de libertad en un
sistema de N átomos es de 3N − Nc donde Nc es el número total de restricciones
internas del sistema, es decir, las longitudes y ángulos de los enlaces, con lo que la
ecuación anterior puede mostrarse de la siguiente forma:
N
X |pi |2
h iN V E = 2hHi = 3(N − 1)kB T = 2hKiN V E (3.8)
i
mi
Donde la nomenclatura hiN V E implica el valor medio a lo largo del ensamble

canónico y considerando Nc = 3. La energı́a cinética es fácilmente computable
desde aquı́, sin embargo, para los casos en que las velocidades de flujo medias son
no-nulas, o en otras palabras, cuando el sistema en sı́ se está desplazando como
un todo, dicho módulo de la velocidad no contribuye al estado energético medio
del ensamble, por cuando debe introducirse una corrección del tipo v − hvi para
extraer las componentes de velocidad que no aportan al estado térmico del sistema
46
[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
Si definimos a la contribución de las fuerzas internas como el virial V, es

decir:
47
N N
1 X 1 X
− h ri · ∇ri Ui = h ri · fiint i = V (3.12)
3 i 3 i
entonces todo lo anterior puede dejarse expresado en función de las fuerzas

interatómicas como:
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
A partir de todas estas componentes, se pueden hacer varios cálculos de

utilidad como se muestra en los tı́tulos subsiguientes.
3.2.4 Tensión de corte hidrostática

A menudo es útil calcular equivalentes macroscópicos a nivel de nano-escala
a fines de establecer puntos de comparación válidos en la búsqueda de nuevas
técnicas multi-escala que permitan integrar ambos mundos. En el caso particular
de la tensión de corte [70, 60], se trata de un parámetro de mucha utilidad ya que
como veremos en capı́tulos subsiguientes, es un indicador de relajación del material
muy bueno. Para su cómputo solamente es necesario tomar las componentes del
tensor de tensiones adecuadas de la siguiente manera:
1 1
σ1 = (P33 + (P11 − P22 )) (3.15)
2 2
48
3.2.5 Tensión de von Mises

Se puede también calcular un equivalente atomı́stico a la tensión de von
Mises [63, 60] como sigue:
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)
Donde J2 es el conocido invariante J2 , Pn es un miembro compuesto por

las componentes principales del tensor de tensiones y Ps compuesto por las com-
ponentes no-diagonales de dicho tensor.
Más adelante se verá también que este es un buen indicador para evaluar la
plasticidad, sin embargo frente a estados complejos de estrés, como los que se pro-
ducen en campos de tensiones la vecindad de efectos superficiales o frente a estados
de gran deformación local, las contribuciones de Ps se hacen más importantes y
esto tiende a diluir los efectos plásticos de relajación causados por los mecanismos
de deformación en este indicador.
3.2.6 Densidad de dislocaciones

Este parámetro es muy utilizado en el campo de la dinámica molecular ya
que permite resumir en una cantidad escalar la población de dislocaciones de una
muestra. Hay varios métodos para calcularla, uno es más aproximado y se basa
en conocer de antemano la relación que existe entre la cantidad de átomos que
se encuentran dentro de la estructura cristalina inicial Nuns y la longitud total de
dislocaciones presentes en la muestra ltot , luego, puede establecerse una relación
aproximada. La densidad de dislocaciones ρd se define como la relación entre la
longitud total ltot y el volumen de la muestra V
ltot
ρd = (3.19)
V
49
La longitud total puede encontrarse aplicando un filtro de tipo CNA para

determinar la cantidad de átomos presentes asociados con los núcleos de las dislo-
caciones, luego de extraer los átomos superficiales y conociendo la distancia media
entre átomos dave , que para el caso de átomos BCC es equivalente al módulo del
vector de buguers |~b| y la sección tı́pica de un núcleo de dislocaciones en esa mues-
tra s, calculada a partir de sus átomos constituyentes. De esta manera la longitud
queda expresada como:
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
Compresión uniaxial de muestras

monocristalinas
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
grandes presiones y temperaturas [85], al contrario de lo que sucede en el caso

del Hierro [99]. También se incluyó un estudio comparativo de dos potenciales
interatómicos, el Finnis-Sinclair Extendido (EFS) de Dai et al. [44] y el Modelo de
Átomo Embebido de Ravelo et al. [28]. Ambos potenciales son en realidad del tipo
EAM, no obstante, hemos preferido nombrarlos de esta manera para guardar con-
sistencia con el estilo empleado por la comunicad cientı́fica y proporcionar mayor
claridad al texto. Los monocristales de Tantalio con un nano-hueco son sometidos
a compresión uniaxial a lo largo de sus direcciones cristalográficas principales, de
bajo ı́ndice, como una etapa inicial previa al estudio de muestras policristalinas.
El tamaño del nano-hueco se varı́a de forma sistemática para obtener puntos de
fluencia dependientes del tamaño y ası́ poder realizar una comparación con los
modelos existentes.
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
Activity time (%)

Pair 85,4
Neighboring 1,77
Communication 1,9
Output 1,63
Other 9,3
Tabla 4.1: Distribución de tiempos de simulación por actividad para esfuerzo uniaxial usando el potencial
EAM.
Activity time (%)

Pair 73,12
Neighboring 1,57
Communication 12,42
Output 2,23
Other 10,66
Tabla 4.2: Distribución de tiempos de simulación por actividad para esfuerzo uniaxial usando el potencial
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
de nano-huecos próximos. Este tipo de simulaciones es de uso común en el estudio

de nano-espumas.
Para evaluar posibles cambios en el comportamiento mecánico causado por
la utilización de distintos potenciales interatómicos, realizamos ensayos sobre el
EAM de Ravelo et al. [28] y el EFS de Dai et al. [44]. Ambos potenciales fueron
ajustados para casos de alta presión, como es requerido para este estudio particular,
pero el EFS desarrolla una transición de fase termodinámica artificial a ∼ 70 GPa
[28]. El valor de la tensión compresiva en nuestro estudio se mantuvo siempre por
debajo de ese umbral.
El análisis visual se realizó con Ovito [108] y VMD [109]. Además se usó la
herramienta CAT desarrollada por Stukowsky [110] para calcular la densidad de
dislocaciones y detectar otros tipos de defectos como vacancias y twins.
Como el material estudiado en este caso es un monocristal de estructura
cúbica BCC, para cada potencial el comportamiento elástico se puede describir
mediante el uso de las constantes elásticas correspondientes, C11 , C12 y C44 . Se
pueden definir varias relaciones entre estas constantes elásticas:
El módulo volumétrico B se define como:
C11 + 2 C12
B= (4.1)
3
El módulo de corte de tipo Reuss, GReuss , se define como:
5 (C11 − C12 )C44

GReuss = (4.2)
4 C44 + 3 (C11 − C12 )
El módulo de corte tipo Voigt GV oigt , se define como:
C11 − C12 + 3 C44

GV oigt = (4.3)
5
El módulo de corte G se define como la media aritmética sobre los módulos
de corte de tipo Voigt y Reuss.
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
1 C11 + 2 C12 + C44

= (4.10)
E111 3 (C11 + 2 C12 )C44
Los resultados de la ecuación 4.1 se muestran en la tabla 4.3. Cabe notar
que los módulos elásticos que se obtienen con EFS son un poco más elevados que
56
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)
donde b es el vector de Burgers. Swegle y Grady [113] consideró una ecuación

modificada, particularmente útil para solicitaciones de altas tasas de deformación.
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
columna: cambio térmico, T − T0 , T0 = 10 K; se aprecia un gran incremento en la temperatura a causa principal-
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
respecto del comportamiento lineal para las curvas de tensión-deformación con el

potencial EFS, sobre todo en las direcciones [100] y [111].
La gran variación en los valores de tensión entre las diferentes orientaciones
cristalográficas que se muestran en las figuras 4.1(a) y 4.1(d) se deben principal-
mente a la anisotropı́a elástica. Si hacemos uso de SV M /Ehkl , teniendo en cuenta
las posibles variaciones en los valores de Ehkl debidas a la presión, la dispersión
en los valores resultantes será menor al 1%. Esto no es otra cosa que escalar
los valores de tensión con el módulo elástico en la dirección correspondiente. No
obstante, tanto E como G siguen mostrando un comportamiento relativamente
isotrópico para el caso del Ta.
Se realizaron cálculos detallados del esfuerzo de corte (Resolved Shear Stress,
RSS) para compresión uniaxial en [001]. Los resultados se indican en tablas 4.4
a 4.7. El mayor valor corresponde a cuatro planos {112}h111i (41.1 para EFS y
47.8 para EAM). Le siguen ocho planos {123}h111i, (40.4 para EFS y 46.9 para
58
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
estas dislocaciones comienzan a reaccionar entre sı́, formando junturas y alcan-

zando eventualmente un estado de saturación, en el cual la velocidad media de
las mismas caerá rápidamente [17]. De cualquier forma, una pequeña fracción de
dislocaciones podrı́a continuar moviéndose y de acuerdo a las ecuaciones 4.11 y
4.12 y ocasionar un aumento de temperatura adicional, pero esta vez a una tasa
menor.
En base a lo que se muestra en la figura 4.1, este escenario se confirma de
alguna manera en nuestras simulaciones. Inmediatamente después del punto de
fluencia, no hay gran relajación de tensiones o incremento substancial en la tem-
peratura, dado que la movilidad de dislocaciones todavı́a no es suficiente en esta
etapa temprana de estado plástico. Pero con posterioridad comienza a observarse
el movimiento de las dislocaciones nucleadas anteriormente, en conjunto con nu-
cleación de nuevas, ocasionando una caı́da en la tensión de corte y un incremento
en el calentamiento plástico. Finalmente, debido a la alta densidad de disloca-
ciones presente en esta etapa, la probabilidad de que interfieran constructivamente
formando junturas también se incrementa, pero este evento desacelera la movilidad
media, reduciendo la tasa de calentamiento a la vez que decae el valor de la tensión
de corte.
El alto valor de σy para el caso de carga en [111] provoca un crecimiento
explosivo de dislocaciones, que ocasiona el incremento más alto de temperatura de
todos los casos analizados. El caso opuesto es el [001], donde σy tiene el menor
valor y la nucleación comienza en un estado de deformación posterior, por lo tanto
lleva a un incremento térmico mucho menor junto con una pequeña caı́da en la
tensión de corte para el potencial EAM y con ausencia de ésta en el EFS. El caso
[011] se ubica a grandes rasgos entre medio de estos extremos. El cruce entre el
comportamiento térmico entre [001] y [011] parece tener su respectiva contraparte
en la evolución de la densidad de dislocaciones respectivas.
Puede observarse que la tensión de corte a altos valores de deformación
es de alrededor de 4 GPa para todas las direcciones y ambos potenciales. Esto
podrı́a estar relacionado con un comportamiento tipo Taylor entre la tensión y la
densidad de dislocaciones, desde que esta última satura en un valor de alrededor de
61
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)
donde para el caso de Tantalio se proponen los siguientes valores, b = 0.286,

G ≈ 67.5 GPa según tabla 4.3. β es un parámetro de orden 1, que depende de
la interacción entre dislocaciones y que para este caso se estimó en un valor de
0.4 en el modelo MTS [116]. Si tomamos un valor un poco mayor aunque todavı́a
razonable de β ≈ 0.8 el resultado es entonces σ ≈ 4 GPa, en acuerdo con nuestras
simulaciones.
Los altos valores de densidad de dislocaciones observados en las simulaciones
llegan a valores cercanos a ρd = 1017 m−2 . Estos valores están en el lı́mite superior
de lo que se espera para metales de alto grado de dureza (1015 − 1017 m−2 ). La
alta tasa de deformación parece ser la responsable de estos valores de densidad de
dislocaciones, como demuestra el trabajo de Nemmat-Nasser et al. [117] el cual
reporta valores de ρd = 1017 m−2 para Tantalio policristalino, o Hsiung [118] quien
reporta ρd = 1016 m−2 para este mismo metal, cuando es sometido a ondas de
choque generadas por explosiones y alcanzando valores de 30 GPa.
La evolución de la densidad de dislocaciones para todas estas simulaciones
se puede observar en la figura 4.3. El nano-hueco de rv = 1.5 nm para el caso [001]
muestra un crecimiento inicial en la densidad de dislocaciones seguido por una
meseta, dado que luego de la nucleación del primer loop no aparecen dislocaciones
adicionales ni se presenta movilidad de las existentes.
Como se menciona anteriormente, la densidad de dislocaciones llega a un
valor de saturación de ∼ 6.5 x 1016 m−2 en todos los casos, con excepción de los
casos [001] y [111] para el radio más pequeño, donde el valor alcanzado es algunos
órdenes de magnitud menor. Si no se toman en cuenta los resultados del defecto
más pequeño, existirá acuerdo con el modelo MTS de Barton [116], donde se asume
que el valor de saturación depende de la tasa de deformación, resultando en un
valor de ρsat ≈ 2.5x1016 m−2 para una tasa de ˙ = 109 s−1 , muy cerca de nuestros
resultados.
62
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
[111] y para el potencial EFS en la dirección [100].
Florando et al. [54] presentó recientemente una extensión al modelo MTS

que considera las interacciones entre twins y dislocaciones. Se argumenta que una
tasa de multiplicación de dislocaciones muy superior, posiblemente 100 veces más
rápida para [001] en comparación con [011], puede llevar a una marcada dismin-
ución de la fracción volumétrica de twins para el primer caso, tal como se observa
en las muestras observadas [54]. Para los casos particulares simulados en el pre-
sente trabajo, prácticamente se encuentra el mismo grado de multiplicación para
estas direcciones. Este hecho podrı́a indicar la necesidad de mecanismos dependi-
entes de la orientación para nucleación y crecimiento de twins para poder explicar
las grandes diferencias en las tasas de producción de dislocaciones.
A pesar de los valores similares de densidad de dislocaciones para todas las
direcciones, la microestructura resultante es distinta, como se puede observar en
la fig. 4.4. La dispersión de valores es mayor para el defecto más pequeño y las
estructuras son particularmente distintas para cada caso.
En estas simulaciones, unos defectos conocidos como shear loops se nuclean
en la superficie del nano-hueco pero ya ha sido tratado en profundidad en el tra-
bajo de Tang et al. [105]. Para la dirección de carga [001], el primer sistema de
63
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
del nano-hueco, tendiendo al azul en el sentido de alejamiento.
deslizamiento en activarse concuerda con lo anticipado por los valores calculados

de RSS en las tablas 4.5 y 4.7.
A medida que se desarrolla el comportamiento plástico, las dislocaciones de
tornillo (screw) tienden a interactuar con sistemas de deslizamiento que comparten
el mismo vector de Burgers y RSS cercanos, cooperando en la producción de las
estructuras complejas mostradas, donde queda claro que se activan varios sistemas
de deslizamiento.
Cuando se comparan los potenciales interatómicos para igual tamaño de
nano-hueco, la emisión de loops aparece en forma retardada para el EFS en com-
paración con el EAM. Esto se mostró en las curvas de tensión-deformación y se
observa en mayor medida para el caso [001].
Las estructuras de dislocaciones para compresión en [001] ya han sido
tratadas por Tang et al. [105] utilizando el potencial EFS [44] y ha sido reproducido
en el presente trabajo con muy buena concordancia.
64
Si la muestra se comprime a lo largo de la dirección [110], se observa ac-

tivación preferencial en el sistema {112}h111i. Los loops se mueven a lo largo
de cuatro direcciones ortogonales a la carga de la familia h111i, como se apre-
cia en la figura 4.4. Al igual que en el texto de Tang et al. [105], se observan
mixed loops, con las porciones de tipo screw orientadas paralelamente al vector de
desplazamiento y las de tipo edge en el frente, uniendo las anteriores.
Por último, si se comprime la muestra en la dirección [111], se observan
emisiones de prismatic loops desde la superficie del nano-hueco para los radios
rv = 1.5 nm y 5 nm. Hagelaar et al. [119] mostró unas estructuras muy similares
para el caso de nano-indentación de W, usando un indentador de 4 nm. Los estados
de tensión deberı́an ser similares tanto para el caso de nano-indentación y para los
presentados aquı́.
Las estructuras planares que pueden verse en varias imágenes de la figura 4.4
son en realidad nano-twins del tipo {112}h111i, según se espera para compresión de
metales BCC y también discutido en trabajo de Tang et al. [105]. Estas maclas se
muestran en mayor detalle para [011] y rv = 8 nm, en la figura 4.5 (a). Los estados
iniciales de twinning siguen el mecanismo que se muestra en [105]. Obsérvese
también cómo el tramo recto de algunos shear loops se curvan en sus extremos
debido a la reacción de sus componentes tipo screw. La figura 4.5 (b) muestra el
detalle de una nano-macla, donde la figura ha sido orientada en forma ortogonal
al plano (112̄). Luego, en 4.5 (c) y (d) se aprecia gráficamente que la aparición
de maclas es más predominante en el potencial EAM. Es importante señalar que
el potencial EAM de Ravelo et al. [28] fue especı́ficamente calculado tomando en
cuenta el umbral de activación para twinning en Ta bajo condiciones de alta tensión
y deformación. En ambos casos también puede notarse el bosque de dislocaciones,
lo que justifica el uso de la aproximación de Taylor para estimar la tensión de
fluencia.
65
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
Quantity EFS EAM Quantity EFS EAM

C11 (GPa) 203.8 262.6 ν 0.325 0.345
C12 (GPa) 143.5 160.7 E (GPa) 180 181
C44 (GPa) 91.3 81.8 X 2.09 1.66
B (GPa) 172.6 194.6 E100 (GPa) 120 140
GReuss (GPa) 63.5 65.8 E110 (GPa) 204 191
GV oigt (GPa) 72.2 69.5 E111 (GPa) 231 215
G (GPa) 67.9 67.2
Tabla 4.3: Constantes elásticas y propiedades medias calculadas con las ecuaciones 4.1 a 4.10 para los
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].
debieran incluir el efecto de la porosidad, tanto en tamaño como en distribución,

además de tener en cuenta la anisotropı́a [120]. Nuestras observaciones enfatizan el
hecho de que los nano-defectos deben tratarse con la suficiente cautela al ser incor-
porados en los modelos continuos. Como ejemplo, puede decirse que las variables
de estado termodinámicas como la temperatura no pueden estimarse con precisión
mediante modelos que sólo necesiten como datos de entrada a la tensión y defor-
mación, despreciando las caracterı́sticas de los defectos pre-existentes y condiciones
de carga, que controlan las etapas iniciales de la plasticidad.
Los valores que pueden obtenerse para el lı́mite elástico a escala nano es
mayor que los valores que pueden observarse en ensayos a escala natural, y si bien
cuando las constantes elásticas en ambas escalas guardan un significado equiva-
lente, es importante tener en cuenta que que se calculan en ámbitos distintos, uno
contı́nuo y el otro discreto. Queda claro que los valores más altos observados en la
nano-escala no son un artificio producto de las simulaciones de dinámica molecular,
desde que los mismos valores pueden observarse experimentalmente.
67
Slip plane RSS (GPa) Slip systems

(011)[111̄] (011)[1̄11̄] (011̄)[111] (011̄)[1̄11]
35.6 33
{110} (101)[111̄] (101)[11̄1̄] (101̄)[111] (101̄)[11̄1]
0 (110)[11̄1] (110)[11̄1] (11̄0)[111] (11̄0)[111̄]
41.1 33 (112)[111̄] (1̄12)[1̄11̄] (11̄2)[11̄1̄] (112̄)[111]
{112} (12̄1)[111] (2̄11)[111] (211)[1̄11] (121̄)[11̄1̄]
20.6 33
(211̄)[11̄1] (121)[11̄1] (1̄21)[111̄] (21̄1)[111̄]
Tabla 4.4: EFS: Valores RSS de los 12 sistemas de deslizamiento correspondientes a la familia de planos {110}
y 12 de la familia {112}; para compresión uniaxial en [001].

(123)[111̄] (1̄23)[1̄11̄] (12̄3)[11̄1̄] (123̄)[111]
40.4 33
(213)[111̄] (2̄13)[11̄1] (21̄3)[1̄11] (213̄)[111]
(312)[1̄11] (3̄12)[111] (31̄2)[111̄] (312̄)[11̄1]
{123} 26.9 33
(132)[11̄1] (1̄32)[111̄] (13̄2)[111] (132̄)[1̄11]
(231)[11̄1] (2̄31)[111̄] (23̄1)[111] (231̄)[1̄11]
13.5 33
(321)[1̄11] (3̄21)[111] (32̄1)[111̄] (321̄)[11̄1]
Tabla 4.5: EFS: Valores RSS de 24 sistemas de deslizamiento correspondientes a la familia de planos {123};
para compresión uniaxial en [100].

(011)[111̄] (011)[1̄11̄] (011̄)[111] (011̄)[1̄11]
41.4 33
{110} (101)[111̄] (101)[11̄1̄] (101̄)[111] (101̄)[11̄1]
0 (110)[11̄1] (110)[11̄1] (11̄0)[111] (11̄0)[111̄]
47.8 33 (112)[111̄] (1̄12)[1̄11̄] (11̄2)[11̄1̄] (112̄)[111]
{112} (12̄1)[111] (2̄11)[111] (211)[1̄11] (121̄)[11̄1̄]
23.9 33
(211̄)[11̄1] (121)[11̄1] (1̄21)[111̄] (21̄1)[111̄]
Tabla 4.6: EAM: Valores RSS de 12 sistemas de deslizamiento correspondientes a la familia de planos {110}
y 12 de la familia {112}; para compresión uniaxial en [100]

68
(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,
dejando atrás un denso bosque de dislocaciones.

69

(123)[111̄] (1̄23)[1̄11̄] (12̄3)[11̄1̄] (123̄)[111]
46.9 33
(213)[111̄] (2̄13)[11̄1] (21̄3)[1̄11] (213̄)[111]
(312)[1̄11] (3̄12)[111] (31̄2)[111̄] (312̄)[11̄1]
{123} 31.3 33
(132)[11̄1] (1̄32)[111̄] (13̄2)[111] (132̄)[1̄11]
(231)[11̄1] (2̄31)[111̄] (23̄1)[111] (231̄)[1̄11]
15.6 33
(321)[1̄11] (3̄21)[111] (32̄1)[111̄] (321̄)[11̄1]
Tabla 4.7: EAM: Valores ESS de 24 sistemas de deslizamiento de la familia de planos {123}; para compresión
uniaxial en [100]
Capı́tulo 5
Plasticidad inducida por ondas de

choque en Ta
5.1 Ondas de choque en [001]
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
transición de fase BCC → CP en Ta es en realidad un artificio del potencial de

Li et al. [47] que fue empleado en ese trabajo. Otro grupo reportó recientemente
resultados de fragmentación por choque en Ta [141] empleando el potencial EAM
de Johnson [41], pero sin hacer foco en la plasticidad inducida por choque.
El potencial EAM que empleamos en varias secciones de esta tesis [28] fue
desarrollado con foco en ambientes de altas presiones y tasas de deformación. En
la publicación anteriormente referida se comparan varios potenciales utilizados am-
pliamente por la comunidad cientı́fica, los cuales presentan esta transición de fase
artificial por debajo de los 100 GPa. Usando este mismo potencial, ellos calcularon
el Hugoniot a lo largo de distintas direcciones:[001], [011] y [111], encontrando un
excelente acuerdo con datos experimentales hasta el rango de cientos de Mbars. Por
encima del umbral de velocidad (Up = 0.88 km s−1 ,P≈ 70 GPa para la dirección
[001]) observaron nucleación homogénea de twins para ondas de choque aplicadas
en todas las direcciones anteriormente mencionadas. Por encima de ese umbral,
las dislocaciones se nuclean desde las fronteras de los twins. Rudd et al. [104]
estudiaron las tasas de relajación plástica de muestras comprimidas, utilizando un
potencial del tipo MGPT (Modelo Generalizado para la Teorı́a Pseudopotencial,
sec. 2.4) y compresión homogénea, encontrando dislocaciones nucleadas por arriba
de los ∼ 65 GPa.
En nuestro estudio se analizaron muestras computacionales de Ta con de-
fectos pre-existentes sometidas a ondas de choque en la dirección [001]. Se hizo
foco en presiones por debajo de los 70 GPa, el umbral para nucleación homogénea
de twins, investigando la influencia de la energı́a en la onda de choque (a través de
la variable Up , indicativa de ello) y el tiempo de crecimiento de la microestructura
resultante.
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
Activity time (%)

Pair 73,12
Neighboring 1,57
Communication 12,42
Output 2,23
Other 10,66
Tabla 5.1: Distribución de tiempos de simulación por actividad para simulación de ondas de choque.
microestructura resultante debido a la dinámica de la producción de dislocaciones

desde los nano-huecos [17, 72].
Como es de suponer, eventualmente la onda de choque desarrollará un es-
tado estable dependiendo de la presión y propiedades del material. Las velocidades
de partı́cula fueron ensayadas en el rango de Up : [0.25; 0.9] km s−1 y los tiempos
de crecimiento entre tr : [0.1; 50] ps. Como referencia, la compresión volumétrica
alcanzada para Up = 0.75 km s−1 es de 12%.
En cuanto al costo computacional, estas simulaciones tomaron 1.49x10−9
(s atom−1 step−1 core−1 ) en un clúster de cómputo provisto de dos nodos, cada uno
con cuatro procesadores AMD Opteron 6272 con 16 núcleos, es decir, 64 núcleos
por nodo. Este tiempo de cálculo se reparte de la siguiente forma detallada en tabla
5.1, donde Pair es el tiempo dedicado al cómputo de fuerzas, Neighboring para el
cómputo de vecinos, Communication para el tiempo dedicado a la comunicación
entre núcleos de procesamiento, Output indica el tiempo de escritura en disco y
ppor último Other son otros tiempos no incluidos en las categorı́as anteriores. Si
comparamos esta distribución de tiempos con las del capı́tulo anterior, notaremos
un incremento en la porción dedicada a comunicaciones, dadas las caracterı́sticas
propias del equipo, a pesar que el indicador de tiempo en este caso es de un órden
de magnitud menor.
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
(a) (b) (c)

Figura 5.1: Microestructura inducida por onda de choque para el potencial EAM de Ravelo [28], con desplaza-
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
contacto onda de choque-muestra. La vista es ortogonal al plano (112).
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
dependiendo del criterio utilizado, especialmente en la zona de dislocaciones, entre 55 y 90 nm.
La figura 5.4 muestra perfiles para muestras con 3 fuentes de dislocaciones

a lo largo de toda su longitud en forma equi-espaciada. Los perfiles de presión
muestran el aumento de pendiente esperado de la onda, donde la rugosidad del
perfil se debe a los efectos plásticos. La actividad de las dislocaciones se incrementa
con el tiempo y lleva a una densidad de dislocaciones bastante homogénea. Los
perfiles de los esfuerzos de corte muestran relajación creciente debido al movimiento
de dislocaciones y las caı́das localizadas de los estados de tensión se deben a la
presencia de los nano-huecos practicados a la muestra.
La figura 5.5a muestra la evolución de la densidad de dislocaciones, esfuerzo
de von Mises y de corte, en función de Up . Las mediciones para esta figura se
realizaron para la misma profundidad, donde el frente de onda está alcanzando
el final de la muestra. La densidad de dislocaciones crece proporcionalmente con
Up como es de esperar. El mismo efecto se observa para tiempos de rampa de
hasta 15 ps, pero para valores de 35 ps y Up = 0.75 km s−1 , la densidad de
dislocaciones ya no sigue esta tendencia y en cambio acusa un valor menor. A
mayores tiempos de rampa, la movilidad de dislocaciones domina sobre su emisión,
reduciendo la densidad necesaria para relajar la deformación volumétrica [17]. Los
altos valores de la densidad de dislocaciones pueden deberse en parte a las tasas
79
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:
Up = 0.50 km s−1 , tr = 25 ps.
de multiplicación particularmente grandes para cargas en [001] [54]. La tensión

de von Mises es prácticamente independiente, mientras que la tensión de corte
muestra gran dependencia tanto de Up como de tr a lo largo de todos los rangos
observados.
En el caso de la figura 5.5b, el esfuerzo de corte σ1 , la tensión de von Mises
σvm y la densidad de dislocaciones ρd se ha representado en función del tiempo
para observar la evolución a distintos tiempos de rampa tr . En todos los casos
hay una primera fase de crecimiento hasta llegar a un valor máximo, seguido por
un decaimiento a tiempos mayores. Todas las curvas calculadas para esta figura
son para Up = 0.5 km s−1 , de modo que el máximo esfuerzo de corte en estas
condiciones es de alrededor de 12 ∼ 15 GPa. Esto es suficiente para activar la
emisión de dislocaciones desde los defectos y relajar el esfuerzo de corte [17, 104].
Como es de esperar, la densidad de dislocaciones es mayor para el tiempo de rampa
80
(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
indicativo del error de estimación.
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 Ondas de choque en [011]

En esta parte se aplicó la misma metodologı́a sobre muestras rotadas para
que la onda de choque incida sobre una dirección [011]. En rigor, la dirección es
[11̄0] como en la configuración tipo ”b” de la tabla 3.2. Tal como sucede en com-
presión uniaxial, cap. 4, los sistemas de deformación que se activan son similares
a los vistos en la sección 5.1, pero los hugoniots varı́an, dado que por supuesto las
constantes elásticas del material difieren para esta dirección (ver tabla 4.3).
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
suficientes para activar la nucleación homo y heterogénea en cada zona, respectivamente.
presión alcanza valores adecuados en la vecindad del pistón, comenzará la emisión

de defectos desde esta zona. Dado que el umbral para nucleación heterogénea es
menor, este efecto se manifiesta a una velocidad de partı́cula menor. La figura 5.7
permite apreciar que a una presión menor a 3 GPa ya se ha disparado la nucleación
heterogénea de twins (z ∼ 70 nm), mientras que los mecanismos de deformación
homogénea activan la producción de dislocaciones y twins en la vecindad del pistón
(z < 40 nm). La velocidad de partı́cula en esta zona ya es de 0.3 km s−1 para el
momento en que se calcula este perfil, inclusive antes de que se nucleen disloca-
ciones.
Conforme avanza la onda de choque, se esperarı́a encontrar crecimiento de
ambos mecanismos, mediados por competencia. Sin embargo, a 35 ps (fig. 5.8a)
del contacto, en la zona del pistón, tanto la fracción de twins como la densidad
de dislocaciones ha caı́do, a pesar de que la presión se mantiene constante y el
pistón ya se encuentra al 100% de la velocidad Up . Se considera que el compor-
83
(a)
(b)
dislocaciones ρd , velocidad lineal en la dirección de la onda de choque vz y fracción de twins, respecto del total de
la muestra. El comportamiento de la densidad de dislocaciones sigue un patrón similar al de la temperatura local,
mientras que los valores picos en la densidad de twins se desplazan detrás del frente de onda, desvaneciéndose a
medida que esta avanza.
tamiento plástico de un metal es dependiente de la tensión de corte y de hecho

los mecanismos de deformación relajan el material detrás del frente de onda como
puede apreciarse, generando una caı́da promedio de σ1 ≈ 2 GPa, pero luego el de-
twinning que se observa más atrás del frente de onda, produce una contribución
adicional a la relajación del material.
Cabe destacar que todos estos efectos se producen en el transcurso de la
penetración de la onda de choque en el interior de la muestra, mucho antes de su
reflexión en la superficie posterior y que además la actividad de las dislocaciones
parecen gobernar el estado térmico del material como puede apreciarse en el panel
de la figura 5.9, donde ambas curvas siguen una comportamiento similar. Esto
puede parecer contra-intuitivo, pero puede deducirse una explicación plausible.
Cualitativamente es posible hacer una aproximación en base a las obser-
vaciones de los datos. Tanto los mecanismos de twinning, como de dislocaciones,
84
(a)
(b)
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
temperatura local, en las zonas donde se encontraban los defectos pre-existentes.
requieren de la ocurrencia de desplazamientos atómicos locales para poder evolu-

cionar. Sin embargo, el crecimiento de twins se produce con movimientos en los
bordes de estas estructuras solamente mientras que las dislocaciones una vez nu-
cleadas, se moverán hasta que encuentren algo que entorpezca su avance o desa-
parezcan debido a alguna reacción adecuada con otro defecto presente. Entonces,
si se compararan los niveles de movilidad atómica causada por unidad de volu-
men de cada mecanismo, se puede afirmar que las dislocaciones están asociadas
a una mayor movilidad relativa, por cuanto el comportamiento térmico local será
más dependiente de las dislocaciones y en consecuencia, podemos ver que una vez
escaleadas adecuadamente, ambos perfiles tienen la misma tendencia y patrón de
comportamiento.
Desde el punto de vista cuantitativo, el nivel térmico local puede evalu-
arse en base a lo tratado en la sección 3.2.2. En particular y con la ayuda de
85
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]
(hacia abajo) (1̄12)[1̄11].
la ecuación 3.9, se puede concluir que la movilidad local debida a la nucleación

y desplazamiento de dislocaciones tiende a producir un mayor cambio en la ve-
locidad corregida (v − hvi)2 que aquel que produce el crecimiento de twins. Esto
último puede afirmarse dada la particularidad del tipo de twins presentes en estas
simulaciones, dado que son de tipo lamelares (como muestran diversas figuras en
este capı́tulo), por lo que su relación entre la superficie de borde de macla respecto
del volúmen contenido, es asintótico en cero con su crecimiento, contrario a lo que
sucederı́a con formas más regulares. Para una mejor visualización puede suponerse
una forma cuasi-cilı́ndrica donde el crecimiento de los twins se producen con el de-
splazamiento de los extremos. Dado que los cambios en velocidad local se producen
en la vecindad de estos bordes y que a medida que aumenta la fracción de twins la
superficie de estos bordes no cambia mucho, luego puede inferirse que los cambios
en temperatura que acusen dichas variaciones serán cada vez menos indicativas de
este mecanismo conforme aumente la fracción de twins en la muestra.
86
En cuanto al proceso de twinning-detwinning, es razonable pensar que el

material sigue un mecanismo como el postulado por Cao [153] y que comentaremos
brevemente para establecer similitudes con nuestras observaciones. En dicho tra-
bajo se simulan nano-cables de distintos metales BCC, entre ellos Ta, utilizando
el potencial de Li [47], para las mismas orientaciones cristalinas y direcciones de
deformación. Sometiendo estas muestras a esfuerzos uniaxiales, notan que los mis-
mos sufren nucleación de twins desde su superficie. Especı́ficamente, los bordes de
estas estructuras se forman al igual que en nuestro caso, por nucleación espontánea
de dos dislocaciones parciales 16 h111i desde la superficie, para luego propagarse a lo
largo de planos de deslizamiento {112} y aumentar el tamaño del defecto a medida
que evoluciona. Este mecanismo es conocido como Movimiento de Borde de Macla
(TBM). Los resultados de Cao muestran que si somete un nano-cable NC orientado
en [001] a tensión, los twins producen un cambio en la orientación completa delNC
hacia [110], una posterior recompresión provoca la restitución de la orientación
original. De una manera similar, la compresión de un NC con orientación original
[110] acomoda el cristal hacia [001] y un detalle particular es que esta reorientación,
una vez nucleadas las dislocaciones parciales, se autosostiene inclusive luego de re-
tirar es esfuerzo compresivo, dado que este proceso es energéticamente favorable.
Visto de esta forma, los metales BCC son capaces de mostrar un comportamiento
de pseudo-elasticidad bajo las condiciones adecuadas.
1
Esto sucede porque en metales BCC, una dislocación de tipo 6
h111i no
es estable, por lo que debe encontrar una forma de llegar a un estado de menor
energı́a y los dos caminos posibles son; convertirse en una dislocación completa,
o generar un twin en esa región. Este escenario es muy distinto a lo que ocurre
en configuraciones FCC, donde el sistema llega a mı́nimo energético local después
del movimiento de una dislocación parcial, entonces las dislocaciones parciales
rodeadas por fallas de apilamiento son energéticamente estables. Dicho de otra
forma, no es plausible que en un cristal BCC ocurra una reacción de disociación de
una dislocación completa en varias parciales, como en el caso FCC, por lo que en
un BCC lo que probablemente ocurra será; o una relajación espontánea, o formar
un núcleo de twin a un costo energético menor, luego de que superó el umbral de
87
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).
nucleación de la dislocación parcial.

88
Figura 5.13: momentos seleccionados del proceso completo de twinning-detwinning. Color: corte [-5;5] (GPa).
El detalle está centrado en el primer nano-hueco (prof undidad :∼ 70nm)
Evidentemente los twins observados en nuestras simulaciones no son es-

tables ya que constituyen un mecanismo al que recurre el material cuando se lo
somete a deformación. Y en estos casos particulares, vemos que el material nuclea
dislocaciones parciales en el frente de onda gracias a la energı́a que aporta la onda
de choque (junto con dislocaciones completas que persisten en el material), pero
como las parciales no son energéticamente favorables, nuclean las fallas de apil-
amiento que van produciendo la rotación del material con su avance. Este proceso
acomoda el material para la cantidad de energı́a presente, pero como el twin no
es energéticamente estable, el material se restituye a su orientación original (si no
hay barreras que impidan los desplazamientos atómicos necesarios).
Si nos atrevemos a hacer la analogı́a entre un nano-cable y una macla lame-
lar, podemos pensar que los mecanismos que subyacen en nuestras simulaciones
son precisamente estos. El fundamento para sustentar esto se encuentra en las
similitudes configuracionales de ambas estructuras. El nano-cable tiene una forma
cilı́ndrica, con una superficie aperiódica, algo parecido a la estructura de una macla
lamelar si se la observa luego de haber retirado los átomos que persisten en su
configuración original y las variantes de orientación de los twins observados son
89
Figura 5.14: Scale values: [-5;5] (GPa). El twin en el extremo inferior desaparece totalmente a 60 ps.
precisamente las mismas.
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
transformación de fase es precedida por la emisión de dislocaciones desde las es-

tructura intergranular, desarrollando una respuesta de tipo onda-triple. La presión
en el cambio de fase es mucho más alta que la de transformación de equilibrio, pero
decrece sensiblemente con el incremento en el tiempo de carga (disminuyendo la
tasa de deformación). La fase transformada se compone principalmente de granos
HCP con una gran densidad de defectos. Aplicando difracción de rayos-X simu-
lada, queda en evidencia la identidad de dicha fase HCP, mostrando patrones tipo
difracción de polvos de la misma manera en que podrı́an ser obtenidos utilizando
las instalaciones experimentales disponibles en el presente.
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
continúan siendo elusivas en los experimentos [167].

Las caracterı́sticas de este trabajo pueden resumirse de alguna manera en
cuatro aspectos principales: En primer lugar, aquı́ se emplea un potencial EAM
que describe tanto la transición de fase y plasticidad basada en dislocaciones para la
fase BCC ya que se ha demostrado recientemente para la compresión homogénea de
muestras de Fe [168]; En segundo orden de cosas, se ha implementado una onda de
choque de tipo lineal, como para los casos expuestos en capı́tulos anteriores para
tantalio 5, permitiendo de esta manera que la muestra reaccione con el tiempo
suficiente con respuesta plástica; Luego, el hecho de que aquı́ se han implementado
nano-granos lo suficientemente grandes para permitir la nucleación de dislocaciones
en su interior; Y por último, que se han incluido perfiles de difracción de rayos X
simuladas, con caracterı́sticas de escala tı́picas de las simulaciones de dinámica
molecular [169].
De esta manera es posible obtener perfiles de choque de estructura triple e
inclusive se puede observar el mismo aumento de presión en la transición de fase
que el observado en experimentos recientes [170]. Este hecho implica que este tipo
de simulaciones constituye una buena base para el diseño de nuevos experimentos
en Fe nanocristalino. Existe un trabajo previo de revisión muy interesante donde
se estudiaron varios potenciales empı́ricos [171] de uso frecuente para este material,
junto con una comparación respecto de resultados obtenidos con técnicas ab initio,
que incluye la descripción de estructuras de defectos resultantes. En este capı́tulo
hemos empleado un potencial de tipo EAM muy similar a los de Machová o Ackland
[172, 173], pero pensado especı́ficamente para replicar correctamente la transición
de fase que debe mostrar el hierro cuando se encuentra bajo las condiciones de
presión adecuadas. Este potencial ha sido probado en detalle recientemente [168] y
desarrolla dicha transición de fase a 13.75 GPa. De aquı́ en más será referenciado
como potencial de Ackland. Es dable indicar que en dicho trabajo también se
incluye una comparación con un potencial de uso generalizado, desarrollado por
Mendelev [174], el cual muestra un comportamiento razonable para la dinámica de
dislocaciones, pero no describe adecuadamente la transición de fase anterior, dado
que en este caso asume que la misma se produce alrededor de los 60 GPa.
94
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),
correspondientes al potencial de Ackland [173] para tr = 15 ps.
y el plástico, es de un valor de ∼ 10 GPa, lo que implica un buen acuerdo con el

umbral necesario para para la emisión de dislocaciones desde los bordes de grano.
Experimentalmente se han podido medir valores para el HEL de unos 5.5 GPa
para policristales con tamaño de grano de aproximadamente unos 5x10−6 m, bajo
una tasa de deformación de 107 s−1 [176]. Para establecer una buena comparación
con estos datos, los granos simulados son de 7.5x10−6 m a una tasa de 109 s−1 ,
parámetros que incrementan el valor del HEL respecto de las mediciones anteri-
ores. En la figura 6.1(c) se muestra cómo el esfuerzo de corte σ1 se incrementa con
la compresión, pero en la región plástica este incremento compite con la relajación
plástica, llegando a un máximo con valores entre 3 y 3.5 GPa.
La región plástica es bastante acotada a causa de la rápida aparición de la
transformación de fase. Entre ambos umbrales, no se observa nucleación consider-
96
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).
Gris:átomos intergranulares; azul: BCC; rojo: HCP; verde: FCC
able de dislocaciones, como se detalla más adelante. Esas dislocaciones se mueven

únicamente a través de los espacios intragranulares y no contribuyen sensiblemente
a la relajación plástica. En tamaños de grano micrométricos, se ha observado rela-
jación plástica debido a compresión prácticamente hidrostática [167]. La fracción
de material distinto a FCC, fiireg , está representado en la figura 6.1(d) llegando a
valores mayores al 80%. En el estudio de referencia realizado para el potencial de
Mendelev alcanza valores defirreg < 40%, dado que en el caso del potential de Ack-
land, la transformación de fase lleva a un cambio en la estructura cristalográfica,
incrementando el valor de este parámetro porque la fase transformada tiene una
cantidad importante de vacancias y dislocaciones. El análisis del contenido de la
fase transformada muestra un decrecimiento constante de la fase BCC; el material
reacciona formando la fase HCP, pero también algo de FCC. Sin embargo en rigor,
este indicador también refleja estructuras que bien pueden ser entendidas como
97
(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:
defectos de apilamiento planares o stacking fault planes en FCC.
defectos de estructura en las fases transformadas y no fases estables. Por ejemplo,

un plano de vacancias en fase FCC tiene estructura HCP y eso no implica que
haya transformación real, sino que solamente es un defecto de estructura. Cuando
se trabaja con materiales a escala micro esto es obvio, pero al adentrarnos en
la nanoescala, las proporciones de átomos que constituyen los defectos o las fases
pueden llegar a ser bastantes similares, por cuanto debe prestarse especial atención
a este detalle. En competencia con el punto anterior, ocurre que como tanto las
fases FCC como HCP tienen entalpı́as similares a alta presión, en condiciones de
choque a alta presión tanto una u otra puede nuclearse. En el estudio previo de
Gunkelmann et al. [129] se mostró que luego de la relajación del material com-
primido a alta presión, el material cambia su estructura a HCP, mientras que la
fase FCC sólo aparece en la forma de planos de vacancias en fase HCP.
En estas simulaciones, la onda de choque llega al final de la cristalita a
unos 70 ps del contacto, por ello se ha elegido t = 60 ps para discutir estructuras
resultantes de manera de evitar que la reflexión de la onda incida en el material.
La figura 6.2 muestra una sección de interés de la muestra, con el avance de la
onda de izquierda a derecha. La primer inflexión que puede observarse en la figura
6.1(c) ocurre a 364 nm, marcando la onda de compresión elástica. Se observa un
98
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.
como parámetro, se puede encontrar un caso como el de la figura 6.4b, donde

luego la aparición de la plasticidad, se observa que los átomos interiores a los gra-
nos no sufren grandes deformaciones salvo en los casos en que se encuentren en la
dirección de avance de una dislocación. En el mismo sentido, puede decirse que
los policristales disipan las tensiones principalmente en sus estructuras intergran-
ulares y este caso no escapa a tal regla ya que se identifica claramente el mayor
grado de deformación sufrida en esta zona. Lo anterior es consistente con las ob-
servaciones realizadas sobre microscopı́as electrónicas de alta resolución de metales
BCC altamente deformados, las cuales muestran principalmente dislocaciones de
tipo tornillo [135].
La difracción de rayos-X (XRD) ha probado ser una potente herramienta
para el análisis ultrarrápido in situ de materiales sometidos a ondas de choque
de alta energı́a [169]. Para facilitar la comparación de nuestros resultados con los
de tipo experimental, se han incluido en la figura 6.5 los resultados de difracción
simulada de polvos (SPD). Para ello se calculan las transformadas de Fourier de las
100
coordenadas atómicas y con estos datos se consulta el espacio recı́proco equivalente

al que se utizarı́a en una geometrı́a de difracción de tipo Debye-Scherrer [177]. En
el detalle de la figura 6.5a se encuentran las primitivas alrededor del ángulo de
difracción ϕ, reduciendo el perfil hasta obtener un patrón lineal. A causa de la
relativamente escasa cantidad de granos, este proceso se hace en forma iterativa
para varias longitudes de onda, sumando las señales en términos del espaciamiento
(d spacing) entre los planos. Asimismo, el proceso de interrogación se realiza sobre
un rango más amplio en el espacio recı́proco, de manera de permitir la captura de la
respuesta de un mayor número de granos. Es dable aclarar que este procedimiento
es estrictamente válido sólo para condiciones hidrostáticas, donde la Ley de Bragg
provee una descripción completa de la vinculación entre difracción y deformación.
De todas formas, el incremento relativamente pequeño en el ancho de pico y la
consistencia de los parámetros de red para la fase HCP (a y c) a lo largo de
las distintas distancias interplanares recorridas, implica que esta presunción es
válida, al menos para el caso del filtro de señal aplicado para capturar únicamente
esta fase. En contraste con los valores encontrados en experimentos de ondas de
choque realizadas sobre monocristales [178], nuestra fase está caracterizada por
c
una relación de los parámetros a
= 1.6, de acuerdo con lo que se pretende para
el caso de HCP ideal y en acuerdo con experimentos recientemente realizados
[167]. Puede notarse que la fase FCC detectada por el análisis CNA no devuelve
caracterı́sticas muy llamativas en su patrón de difracción, como se puede apreciar
en la figura 6.5a. En particular, el pico indizado como (002) parece perderse en el
material altamente deformado. Esto se debe a que la fase FCC encontrada por el
detector ”local” (en referencia al método CNA, dado que se basa en la disposición
de unos pocos vecinos) es causada por defectos de falla de apilamiento (stacking
faults) dentro de la fase HCP, como habı́amos prevenido un poco más arriba en el
presente texto. Este es un aspecto diferenciador si se compara con simulaciones
previas [99, 163, 164], las cuales hacen uso del potencial de Voter, en la que la fase
FCC es bastante más prominente. El hecho de que la fase FCC no pueda detectarse
en nuestro caso está de acuerdo con lo que devuelven los experimentos de difracción
[167]. Los patrones de difracción simulada muestran anchos de anillo más grandes
101
durante la transición, acompañados por una disminución en la intensidad de pico

de los granos individuales detrás del frente de transformación de fase, debido a
la presencia de defectos planares en la fase HCP que reduce el tamaño de grano
efectivo de la muestra, afectando consecuentemente a la textura efectiva de la
muestra.
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
Los materiales suelen comportarse de acuerdo a propiedades y caracterı́sticas

que ocurren a causa de fenómenos que se manifiestan en escalas que van desde
unos pocos angstroms a varios milı́metros. Quien entienda esto comprenderá que
solamente los tratamientos multi-escala pueden ofrecer un enfoque integral para
entender su comportamiento. Durante mucho tiempo, las técnicas de cálculo y
dimensionamiento se basaron solamente en observaciones a escala de continuo,
desde un enfoque natural, descartando inclusive efectos acoplados. Pero conforme
las aplicaciones tecnológicas se acercan a los lı́mites operativos de los materiales
actuales tal y como los conocemos comienza a surgir una necesidad natural hacia el
desarrollo de nuevos procesos industriales y metodologı́as de fabricación que permi-
tan extender las capacidades tecnológicas hacia nuevas fronteras. Esta tendencia
impulsa la creación de nuevas técnicas de análisis que puedan aportar información
novedosa y de utilidad para el progreso de la ingenierı́a de materiales. Por con-
siguiente, se hace necesario extender la observación hacia escalas donde el enfoque
continuo ya no es plausible.
La dinámica molecular puede ser considerada como una de estas herramien-
tas y como tal, ayuda a entender los fundamentos fı́sicos que gobiernan la estruc-
tura y comportamiento de la materia a nivel de nano-escala. Esto es válido en la
medida de que cada átomo del sistema pueda ser modelado como una partı́cula
clásica, es decir que no existan efectos cuánticos o relativistas. Sin embargo, lo
importante de esto es que podemos extraer de ella información válida acerca de
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
Dado que la mayorı́a de estos trabajos se realizaron en colaboración con

grupos del exterior, es válido hacer alguna aclaración sobre las actividades llevadas
a cabo por parte del autor de este trabajo. Todos los estudios sobre Tantalio fueron
realizados en su totalidad por el autor de este trabajo, incluyendo post-proceso. En
el caso del trabajo sobre Hierro, las simulaciones se corrieron en UT Kaiserslautern
y los datos pertenecen a N. Gunkelmann y H. Urbassek. Los resultados de XRD
simulada fueron realizados en la U. Oxford por el grupo de A. Higginbotham y
J. Wark. La calificación y cuantificación de defectos, determinación de estados de
tensión y variables de estado pertenecen al autor de este trabajo tanto para este
caso como para el resto de las publicaciones incluidas.
106
High Energy Density Physics 10 (2014) 9e15
Contents lists available at ScienceDirect
High Energy Density Physics

journal homepage: www.elsevier.com/locate/hedp
Molecular dynamics simulations of shock-induced plasticity

in tantalum
Diego Tramontina a, b, Paul Erhart c, k, Timothy Germann d, James Hawreliak c,
Andrew Higginbotham e, Nigel Park f, Ramón Ravelo d, g, Alexander Stukowski h,
Mathew Suggit e, Yizhe Tang i, Justin Wark e, Eduardo Bringa b, j, *
a
Agencia Nacional de Promoción Científica y Tecnológica, CABA, C1054AAH, Argentina
b
Instituto de Ciencias Básicas, Universidad Nacional de Cuyo, Mendoza M5502JMA, Argentina
c
Lawrence Livermore National Laboratory, Livermore, CA 94550, USA
d
Los Alamos National Laboratory, Los Alamos, NM 87545, USA
e
Department of Physics, Clarendon Laboratory, University of Oxford, Parks Road, Oxford OX1 3PU, UK
f
Materials Modeling Group, AWE, Aldermaston, Reading, Berkshire RG7 4PR, UK
g
Physics Department and Materials Research Institute, University of Texas, El Paso, TX 79968, USA
h
Darmstadt University of Technology, Darmstadt 64289, Germany
i
Johns Hopkins University, Baltimore, MD 21218, USA
j
Consejo Nacional de Investigaciones Científicas y Técnicas, Argentina
k
Chalmer University of Technology, Department of Applied Physics, Gothenburg 41296, Sweden
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.
1. Introduction Atomistic simulations of high strain rate loading of BCC metals

[3,24e26] are sparse, mostly due to the lack of interatomic poten-
Shock compression of condensed matter allows the study of tials which are reliable at high pressures. In particular, it has been
materials under extreme conditions [1]. Improving experimental shown for Nb [18] and Ta [27], that many potentials display an
and simulation techniques allow detailed studies of the shock- artificial phase transition from BCC to Hexagonal Close-Packed
induced microstructure, which can lead to large changes in me- (HCP).
chanical properties. A large amount of work has been recently Among BCC metals, Ta has several technological applications,
carried out for Face-Centered Cubic Metals (FCC) [2e13], and Body- and no phase transitions are thermodynamically present up to
Centered Cubic metals (BCC) [2,14e20]. However, most of the work fairly high pressures and temperatures [28]. Shock-loaded Ta has
on BCC metals has focused on Fe, due to the large number of been studied using both gas-gun [29] and laser-driven shocks
technological applications for Fe, for instance as part of structural [30e32]. These experiments show a rich behavior, including high
materials, and also due to the role of Fe properties in Earth’s interior strength [32,33], dislocations [29e31], twinning above a critical
mechanics. Fe displays a solidesolid phase transformation near pressure around 40 GPa [30,31,34,35], and the presence of u-
15 GPa, which makes dislocation plasticity difficult to identify in phase [30,31] in some recovered samples shocked above w70
simulations [21e23]. GPa.
Recent Non-Equilibrium Molecular Dynamics (NEMD) simula-
tions from Cuesta-Lopez and Perlado [36] subjected Ta, W and Fe
* Corresponding author. Instituto de Ciencias Básicas, Universidad Nacional de
monocrystals to particle velocities Up ranging from 0.1 to
Cuyo, Mendoza M5502JMA, Argentina.
E-mail address: ebringa@yahoo.com (E. Bringa). 2.5 km s1, spanning the elastic to shock-melting response. They
URL: http://sites.google.com/site/simafweb/ did not observe dislocation activity, but instead found nucleation
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
Computational Materials Science

journal homepage: www.elsevier.com/locate/commatsci
Orientation-dependent response of defective Tantalum single crystals

Diego Tramontina a,b,c, Carlos Ruestes a,b, Yizhe Tang d, Eduardo Bringa b,e,⇑
a
Agencia Nacional de Promoción Científica y Tecnológica, CABA, C1054AAH, Argentina
b
Instituto de Ciencias Básicas, Universidad Nacional de Cuyo, Mendoza, M5502JMA, Argentina
c
Instituto de Bioingeniería, Universidad de Mendoza, Mendoza, M5502BZG, Argentina
d
Johns Hopkins University, Baltimore, MD 21218, USA
e
Consejo Nacional de Investigaciones Científicas y Técnicas, CABA, C1033AAJ, Argentina
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)
Morphological changes in polycrystalline Fe after compression and release

Nina Gunkelmann,1,a) Diego R. Tramontina,2,3,4 Eduardo M. Bringa,2,3
and Herbert M. Urbassek1
1
Physics Department and Research Center OPTIMAS, University Kaiserslautern, Erwin-Schr€
odinger-Straße,
D-67663 Kaiserslautern, Germany
2
Instituto de Ciencias B
asicas, Universidad Nacional de Cuyo, Mendoza 5500, Argentina
3
CONICET, Mendoza 5500, Argentina
4
Instituto de Bioingenierıa, Universidad de Mendoza, Mendoza M5502BZ, Argentina
(Received 19 November 2014; accepted 15 February 2015; published online 25 February 2015)
Despite a number of large-scale molecular dynamics simulations of shock compressed iron, the
morphological properties of simulated recovered samples are still unexplored. Key questions
remain open in this area, including the role of dislocation motion and deformation twinning in
shear stress release. In this study, we present simulations of homogeneous uniaxial compression
and recovery of large polycrystalline iron samples. Our results reveal significant recovery of the
body-centered cubic grains with some deformation twinning driven by shear stress, in agreement
with experimental results by Wang et al. [Sci. Rep. 3, 1086 (2013)]. The twin fraction agrees
reasonably well with a semi-analytical model which assumes a critical shear stress for twinning.
On reloading, twins disappear and the material reaches a very low strength value. V C 2015
AIP Publishing LLC. [http://dx.doi.org/10.1063/1.4913622]
I. INTRODUCTION samples,19 proposing a twinning path with shear and shuffle

of atoms to explain the results.
The study of metals under compression is of vital impor-
In the present paper, we study homogeneous uniaxial
tance in the modern world for understanding geophysical
compression and recovery of large polycrystalline iron sam-
and astronomical processes and for technological processes
ples. To this end, in Sec. III A, we analyze the stress-strain
which improve material properties. In particular, the defor-
and heating behavior. The dislocation and twinning evolu-
mation behavior of iron has been studied extensively both in
monocrystals1,2 as well as in polycrystals.3 Shock experi- tion are described in Sec. III B. Nearly perfect reversibility
ments4–6 show that Fe undergoes a structural phase transition to the original bcc grains is achieved in our simulations with
going from the body-centered cubic (bcc) to a hexagonal a limited presence of twinning. We are able to compare our
close-packed (hcp) structure7 at a pressure which varies from results to the experiments by Wang et al.19 and to a constitu-
13 GPa to more than 30 GPa depending on the strain rate.8,9 tive twinning model described previously in the literature.20
This phase transition, which is usually preceded by plastic
yielding, was recently examined in several simulation
studies.10–13 II. SIMULATION METHOD
However, there are still important issues that are not The molecular dynamics (MD) code LAMMPS (Ref.
covered in our current understanding of shocks in Fe, partic- 21) was used in this study to perform the simulations. We
ularly the characteristics of the structural behavior of the use a recent embedded-atom method (EAM) potential,
recovered material. Many laser-shot samples are thin, and similar to the Ackland and Mendelev potential,22,23 but fitted
they are destroyed during loading, precluding subsequent specifically to provide the bcc-hcp phase transition at
electron microscopy studies of the recovered material.8,9 13.75 GPa. This potential is described in Ref. 10. Note that
Using dynamic diffraction, it was shown that shocked Fe sin- the Ackland potential was not developed to describe the
gle crystals transform to hcp nanocrystals during loading,14
high-temperature c phase, and the bcc structure is stable up
but revert to single-crystal bcc after unloading,15–18 pointing
to the melting point (at zero pressure).
to the large reversibility of the transformation path. The pres-
Our cubic sample contains approximately 2 million
ence of grain boundaries (GB) in a polycrystal might, how-
atoms and has an edge length of 30 nm. Sixty-four crystal
ever, preclude such reversibility. GBs will limit the
grains with a mean grain size of 7.5 nm are created using a
applicability of dynamic diffraction to check on reversibility,
Voronoi construction scheme.24 To equilibrate our systems,
given that this method will typically average over thousands
we first applied an energy minimization using the conjugate
of grains in the sample. Indeed, a recent study on shocked Fe
gradient method, and then relaxed the sample using high-
polycrystals, with a grain size in the region of tens of
microns, reveals large amounts of twinning in recovered temperature annealing at 80% of the melting temperature.
During high-temperature annealing, the average potential
energy per atom decreased from 4.28 eV after energy mini-
mization to 4.29 eV. The potential energy value of
a)
Electronic address: nina@gunkelmann.de 4.56 eV published in our previous paper was erroneous.10
0021-8979/2015/117(8)/085901/7/$30.00 117, 085901-1 C 2015 AIP Publishing LLC

V
[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
PHYSICAL REVIEW B 89, 140102(R) (2014)
Shock waves in polycrystalline iron: Plasticity and phase transitions

Nina Gunkelmann,1,2 Eduardo M. Bringa,3,4 Diego R. Tramontina,3 Carlos J. Ruestes,3 Matthew J. Suggit,5
Andrew Higginbotham,5 Justin S. Wark,5 and Herbert M. Urbassek1,*
1
Physics Department and Research Center OPTIMAS, University Kaiserslautern, Erwin-Schrödinger-Straße, D-67663 Kaiserslautern,
Germany
2
Institute for Multiscale Simulations, Friedrich-Alexander-Universität, D-91052 Erlangen, Germany
3
Instituto de Ciencias Básicas, Universidad Nacional de Cuyo, Mendoza, 5500 Argentina
4
CONICET, Mendoza, 5500 Argentina
5
Department of Physics, Clarendon Laboratory, University of Oxford, Parks Road, Oxford OX1 3PU, United Kingdom
(Received 5 November 2013; published 18 April 2014)
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.
DOI: 10.1103/PhysRevB.89.140102 PACS number(s): 64.70.K−, 61.50.Ks, 61.72.Lk, 62.50.Ef
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
1098-0121/2014/89(14)/140102(5) 140102-1 ©2014 American Physical Society

Interplay of plasticity and phase transformation in
shock wave propagation in nanocrystalline iron
Nina Gunkelmann1,2, Diego R Tramontina3,4, Eduardo M Bringa3,5 and
Herbert M Urbassek1
1
Physics Department and Research Center OPTIMAS, University Kaiserslautern,
Erwin-Schrödinger-Straße, D-67663 Kaiserslautern, Germany
2
Institute for Multiscale Simulations, Friedrich-Alexander-Universität, D-91052 Erlangen,
Germany
3
Facultad de Ciencias Exactas y Naturales, Universidad Nacional de Cuyo, Mendoza
M5502JMA, Argentina
4
Instituto de Bioingeniería, Universidad de Mendoza, Mendoza M5502BZG, Argentina
5
Consejo Nacional de Investigaciones Cientìficas y Técnicas, CABA C1033AAJ, Argentina
E-mail: urbassek@rhrk.uni-kl.de
Received 30 April 2014, revised 18 July 2014

Accepted for publication 25 July 2014
Published 23 September 2014
New Journal of Physics 16 (2014) 093032
doi:10.1088/1367-2630/16/9/093032
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.
New Journal of Physics 16 (2014) 093032

1367-2630/14/093032+12$33.00 © 2014 IOP Publishing Ltd and Deutsche Physikalische Gesellschaft
Journal of the Mechanics and Physics of Solids 75 (2015) 58–75
Journal of the Mechanics and Physics of Solids

journal homepage: www.elsevier.com/locate/jmps
Comparative simulation study of the structure of the plastic

zone produced by nanoindentation
Yu Gao a, Carlos J. Ruestes b, Diego R. Tramontina b,c, Herbert M. Urbassek a,n
a
Fachbereich Physik und Forschungszentrum OPTIMAS, Universität Kaiserslautern, Erwin-Schrödinger-Straße, D-67663 Kaiserslautern,
Germany
b
Facultad de Ciencias Exactas y Naturales, Universidad Nacional de Cuyo, Mendoza M5502JMA, Argentina
c
Instituto de Bioingeniería, Universidad de Mendoza, Mendoza M5502BZG, Argentina
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
Materials Science & Engineering A

journal homepage: www.elsevier.com/locate/msea
Atomistic simulation of tantalum nanoindentation: Effects of indenter

diameter, penetration velocity, and interatomic potentials on defect
mechanisms and evolution
C.J. Ruestes a,b,h,n, A. Stukowski c, Y. Tang d, D.R. Tramontina b, P. Erhart e, B.A. Remington f,
H.M. Urbassek g, M.A. Meyers a, E.M. Bringa b,h
a
Department of Mechanical and Aerospace Engineering, University of California, San Diego, La Jolla, CA 92093, USA
b
Facultad de Ciencias Exactas y Naturales, Univ. Nac. de Cuyo, Mendoza 5500, Argentina
c
Technische Universität Darmstadt, Darmstadt 64287, Germany
d
Shanghai Institute of Applied Mathematics and Mechanics, Shanghai University, Shanghai 200072, China
e
Chalmers University of Technology, Department of Applied Physics, Gothenburg 41296, Sweden
f
Lawrence Livermore National Lab, Livermore, CA 94550, USA
g
Physics Department and Research Center OPTIMAS, University of Kaiserslautern, Kaiserslautern 67663, Germany
h
CONICET, Mendoza 5500, Argentina
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.
1. Introduction Since the seminal contribution by Kelchner et al. [10], molecular

dynamics (MD) simulations have been extensively applied to study
Nanoindentation is an experimental technique of ever increasing plasticity mechanisms during indentation processes, mainly on fcc
importance, both in research and technology. It is not only used to (face centered cubic) metals [11–22]. Contributions to the study in bcc
gather information about the elastic modulus and hardness of a (body centered cubic) metals are, however, rare [23–25], primarily
material [1,2] but also provides insights into cracking mechanisms because of the scarcity, up to recently, of robust potentials. Hagelaar
[3], fracture toughness [4], strain-hardening [5], phase transformations et al. [25] investigated the nanoindentation of tungsten using a
[6], creep [7], and the mechanical response of superhard thin films [8]. Finnis-Sinclair (FS) potential, focusing on small penetration depths.
The technique is particularly useful but not limited to thin films and Naveen et al. [23] studied dislocation activation from different slip
surface layers. The combination of the modern experimental testing systems in Fe and Fe–Cr, using a composition-dependent embedded
method with the Oliver–Pharr [9] analysis has led to a widespread atom model (CDEAM) potential by Caro et al. [26]. Alcalá et al. [24]
utilization of nanoindentation testing. recently studied Ta using the Embedded Atom Method (EAM)
potential by Li et al. [27], reporting nucleation of planar defects,
including stacking faults and twins. Empirical potential develop-
n
ment is complex [28], and part of the reason for the relative scarcity
Corresponding author at: Facultad de Ciencias Exactas y Naturales, Universidad
of nanoindentation simulation results on bcc metals is the lack of
Nacional de Cuyo, Mendoza M5502JMA, Argentina. Tel.: +54 261 4236003; fax: +54
261 4236003. potentials which are both computationally efficient and reliable at
E-mail address: cjruestes@hotmail.com (C.J. Ruestes). high strains [29]. Nanoindentation simulations in particular might
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
IMPACT STUDIES WITH PERIDYNAMICS
Carlos J. Ruestesa , Diego R. Tramontinaa and Eduardo M. Bringaa,b

a Instituto
de Ciencias Básicas, Universidad Nacional de Cuyo, Parque Gral. San Martín,
5500 Mendoza, Argentina, cjruestes@gmail.com, diego.tramontina@gmail.com, ebringa@yahoo.com,
https:// sites.google.com/ site/ simafweb/ home
b CONICET, 5500 Mendoza, Argentina
Keywords: Peridynamics, Fragmentation, Impact, Cluster collisions.
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.
Copyright © 2012 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

MACI 4 (2013) 315-318 G. La Mura, D. Rubio, E. Serrano (Eds.)
PARAMETRIC STUDY OF THE PLASTIC THRESHOLD

FOR GRAIN-GRAIN COLLISIONS
Emmanuel N. Millán †‡Ŧ, Diego Tramontina ‡, Carlos Garcia Garino Ŧ, María Fabiana Piccoli Ħ and
Eduardo M. Bringa†‡
† CONICET, Argentina, emmanueln@gmail.com, www.conicet.gob.ar

‡ Instituto de Ciencias Básicas, Universidad Nacional de Cuyo, Mendoza, Argentina. icb.uncu.edu.ar
Ŧ Facultad de Ingeniería e ITIC, Universidad Nacional de Cuyo, Mendoza, Argentina. itic.uncu.edu.ar
ĦUniversidad Nacional de San Luis, San Luis, Argentina.
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
Algunos códigos desarrollados

para este trabajo
116
117
B.1 Linear Profiler

Este código calcula algunas propiedades medias en muestras computacionales.
Los valores se calculan dentro de subdominios cartesianos o cilı́ndricos a lo largo
de un eje en particular.
1 #! / u s r / b i n / env python
2 # −∗− c o d i n g : u t f −8 −∗−
3 ”””
4 C r e a t e d on Wed Jan 4 0 1 : 5 8 : 0 3 2012
5 @author : Ing . Diego R. Tramontina
6 SiMAF − ICB − U n i v e r s i d a d N a c i o n a l de Cuyo
7 O r i g i n a l program w r i t t e n in fortran : vtcalculation
8 by Dr . Eduardo B r i n g a
9 ”””
10 import sys , getopt , os , math , fnmatch
11 from t i m e i m p o r t t i m e
12 #==============================================================================
13 # Global variables
14 #==============================================================================
15 vrb = F a l s e
16 nflpat = ’ ’ ; elem = [ ] ; lyrs = 0.0; wrto = ’ p r o f ’
17 o u t c o l s = [ ’ Depth [ nm ] ’ , ’ NAtoms ’ ] #Depth and Natoms f o r now
18 checkC123 = F a l s e ; checkC456 = F a l s e ; checkVels = False
19 checkPot = F a l s e ; checkKin = F a l s e ; checkC5 = F a l s e
20 #==============================================================================
21 # compute names
22 #==============================================================================
23 ken = ’ c 1 ’ ; cen = ’ c 2 ’ ; pen = ’ c 3 ’ ; sts = ’ c 4 ’ ; cna = ’ c 5 ’
24 #v l i s t = [ ]
25
26 def usage ( ) :
27 s y s . s t d o u t . w r i t e ( ” u s a g e : \ nVT2n4−b c c . py −f −e <e l e l e m t > − l <l a y e r s > −v\
28 <0/1> −w < o u t f i l e p r e f i x > −g x , y , z c o o r d i n a t e s \n\
29 u s e −h o r −−h e l p for h e l p . \ n” )
30 def usageext () :
31 s y s . s t d o u t . w r i t e ( ” u s a g e : \ nVT2n4−b c c . py −f −e <e l e l e m t > − l <l a y e r s > −v \
32 <0/1> −w < o u t f i l e p r e f i x > −g x , y , z c o o r d i n a t e s \n\
33 −−−−−−−−−−−−−−−−−−−−−−−−−−−−−\n\
34 −f : Dump t o a n a l y z e \n\
35 −e <e l e l e m t > : elelemt i n dump . Only s i n g l e elelemt samples are a l l o w e d . \ n\
36 \ t \ t V a l u e s can be Ta , Nb ,W, Mo, V, Cr and C\n\
37 − l <l a y e r s > : Number o f layers to include i n e a c h b i n \n\
38 −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\
39 −w −−w r i t e t o : Prefix of output files \n\
40 −g x , y , z : Coordinates of the center for t h e a n g u l a r and r a d i a l \
41 velocities , this parameter is u n d e r d e v e l o p m e n t \n\
42 −h −−h e l p : Print this s c r e e n \n\
43 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\n” )
44 def readargs () :
45 try :
46 opts , args = getopt . getopt ( sys . argv [ 1 : ] , ” f : e : l : v :w: h : c” , [ ” h e l p ” , ” vr b ” , ” w r i t e t o ” ] )
47 except getopt . GetoptError :
48 usage ( )
49 sys . exit (2)
50 global nflpat ; global elem ; global lyrs ; global vr b ; global wrto
51 for opt , arg in opts :
52 if o p t == ’−f ’ :
53 n f l p a t = s t r . s t r i p ( arg )
54 elif o p t == ’−e ’ :
55 if ( a r g == ’ Ta ’ ) :
118
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 ] ’ )
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 :
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
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
182 #Vr , Vtheta , Vtang and T e n a b l e d

183 o u t c o l s . append ( ’ vx [ km s ˆ −1] ’ )
184 o u t c o l s . append ( ’ vy [ km s ˆ −1] ’ )
185 o u t c o l s . append ( ’ vz [ km s ˆ −1] ’ )
186 o u t c o l s . append ( ’ v [ km s ˆ −1] ’ )
187 o u t c o l s . append ( ’ v r [ km s ˆ −1] ’ )
188 o u t c o l s . append ( ’ v t h e t a [ r a d s ˆ −1] ’ )
189 o u t c o l s . append ( ’ v t a n g [ km s ˆ −1] ’ )
190 o u t c o l s . append ( ’T [K] ’ )
192 checkVels = False
193 if ( vr b ) : sys . stdout . write ( ’ Velocity data not p r e s e n t or incomplete .\ n ’ )
194 otlog . write ( ’ Velocity data not p r e s e n t or incomplete . ’ )
195
196 try :
197 tmpidx = c o l s t r u c t . i n d e x ( cna )
198 checkC5 = True
199 #Pe e n a b l e d
200 o u t c o l s . append ( ’ r h o d [mˆ −2] ’ )
203 if ( vr b ) : sys . stdout . write ( ’aCNA f i e l d not p r e s e n t or lost .\n ’ )
204 o t l o g . w r i t e ( ’aCNA f i e l d not p r e s e n t or lost . ’)
205
206 try :
207 tmpidx = c o l s t r u c t . i n d e x ( pen )
208 c h e c k P o t = True
209 #Pe e n a b l e d
210 o u t c o l s . append ( ’ Pe [ eV ] ’ )
212 checkPot = F a l s e
213 if ( vr b ) : sys . stdout . write ( ’ Potential energy field not p r e s e n t or lost .\n ’ )
214 otlog . write ( ’ Potential energy field not p r e s e n t or lost . ’)
215
216 try :
217 tmpidx = c o l s t r u c t . i n d e x ( ken )
218 c h e c k K i n = True
219 #Ke e n a b l e d
220 o u t c o l s . append ( ’ Ke [ eV ] ’ )
222 checkKin = F a l s e
223 if ( vr b ) : sys . stdout . write ( ’ Kinetic energy field not p r e s e n t or lost .\n ’ )
224 otlog . write ( ’ Kinetic energy field not p r e s e n t or lost . ’)
225
226 if ( vr b ) :
227 sys . stdout . write ( ’ Number o f atoms i n s a m p l e : %s \n ’ % ( ntms ) )
228 sys . stdout . write ( ’ Reading d a t a from %s atoms \n ’ % ( ntms ) )
229 sys . 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 ]
230 sys . stdout . write ( ’ T i me s t e p : %s [ f s ] \ n ’ % ( tmstp ) )
231 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 ) )
232 o t l o g . w r i t e ( ’ Reading d a t a from %s atoms \n ’ % ( ntms ) )
233 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)
))
234 o t l o g . w r i t e ( ’ T i me s t e p : %s [ f s ] \ n ’ % ( tmstp ) )
235 dmsmpl = [ [ x l , xr , xrng ] , [ yl , yr , yrng ] , [ z l , zr , zrng ] ]
236 return indt , tmstp , ntms , dmsmpl , colstruct , otlog
237
238 def c a l c u l a t e b i n s ( indat , a r r a y o u t , natms , thcknss , vlslc , vlslclst , c e n t e r , dimsampl , c o l s t r u c t ,
otlog ) :
239
240 r = 0.0
241 # global vlist
242 #Depth [ A ] , Vx [Km/ s ] , Vy [Km/ s ] , Vz [Km/ s ] , V [Km/ s ] , T [K] , CSP [ a r b ] <−6
121
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 ] ’ ) ] ) ∗
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 ] ’ ) ] ) ∗
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 #==============================================================================
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 ’ )
335 counter = 0
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 ) :
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 ’ )
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
452 w r i t e d a t a ( otdt , arrayout , o t l o g )

453 indt . close ()
454 otdt . c l o s e ()
455 end = t i m e ( )
456 if ( vr b ) : sys . stdout . write ( ’ Process finished , e l a p s e d t i m e =%10.2Es ( % 1 0 . 2 Es / atom ) \n ’ %(( end
−s t a r t ) , ( ( end−s t a r t ) / natoms ) ) )
457 otlog . write ( ’ Process finished , e l a p s e d t i m e =%10.2Es ( % 1 0 . 2 Es / atom ) ’ %(( end−s t a r t ) , ( ( end−
s t a r t ) / natoms ) ) )
458 otlog . close ()
459
460 d e f main ( ) :
461 global nflpat
462 readargs ()
463 l s l i s t = find all ( nflpat )
464 if ( l e n ( l s l i s t ) == 0 ) :
465 raise I O E r r o r ( ”Can ’ t detect p r e s e n c e any file with that pattern ”)
466 else :
467 if ( vr b ) : sys . stdout . write ( ’ P r o c e s s i n g %s f i l e s \n ’ %( l e n ( l s l i s t ) ) )
468 infl = 1
469 for nfl in lslist :
470 if ( vr b ) : sys . 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 ) ) )
471 nflpath = extractpath ( nfl )
472 p r o c e s s f i l e ( nfl , nflpath )
473 i n f l += 1
474
475 if name == ” main ”:
476 main ( )
B.2 Radial Profiler

Este código estima propiedades medias en subdominios semiesféricos.
1 #! / u s r / b i n / env python
2 # −∗− c o d i n g : u t f −8 −∗−
3 # This code calculates the dislocation density in hemispherical bins starting from
4 # a point that usually is the i n d e n t e r −to−s u r f a c e contact point i n a nano−i n d e n t a t i o n
5 # simulation . cell and d i s l o c a t i o n files must be g i v e n t o t h e code , along with o t h e r
6 # info .
7
8 import sys , getopt , os , math
9 from o p t p a r s e i m p o r t O p t i o n P a r s e r
10 from D i s l o c a t i o n N e t w o r k i m p o r t ∗
11 #==============================================================================
13 #==============================================================================
14 nfl = ’ ’ ; c f l = ’ ’ ; wid = 0 . 0 ; g = V e c t o r ( 0 . 0 , 0 . 0 , 0 . 0 ) ; defway = ’ z ’
15 s e n t = ’ neg ’
16 #==============================================================================
17 # P a r s e command l i n e options
18 #==============================================================================
19 def usage ( ) :
20 p r i n t ” Usage : %p r o g −f d i s l o c f i l e −k c e l l f i l e −l s h e l l t h i c k n e s s −g ( i n d e n t e r t o s u r f a c e −
c o n t a c t c o o r d i n a t e s ) <x , y , z> −a ( a x i s ) <x | y | z> −d ( d i r e c t i o n ) \n\
21 u s e −h o r −−h e l p for h e l p . \ n”
22
24 p r i n t ” Usage : %p r o g −f d i s l o c f i l e −k c e l l f i l e −l s h e l l t h i c k n e s s −g ( i n d e n t e r t o s u r f a c e −
c o n t a c t c o o r d i n a t e s ) <x , y , z> −a ( a x i s ) <x | y | z> −d ( d i r e c t i o n ) \n\
25 u s e −h o r −−h e l p for h e l p . \ n”
26 # −−−−−−−−−−−−−−−−−−−−−−−−−−−−− \n\
126
27 # −f dislocationsfile : vtk file with d i s l o c a t i o n s \n\

28 # −k cellfile : vtk file with cell \n\
29 # − l <width> : i n d e n t a t i o n d e p t h \n\
30 # −g x , y , z : i n d e n t e r −to−s u r f a c e contact c o o r d i n a t e s \n\
31 # −a a x i s of i n d e n t e r movement\n\
32 # −d d i r e c t i o n of i n d e n t e r movement ( p o s i t i v e or n e g a t i v e ) \n\
33 # −h −−h e l p : Print this s c r e e n \n\
34 # 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”
35
36
38 try :
39 opts , args = getopt . getopt ( sys . argv [ 1 : ] ,” f : k : l : g : a : d : h : c” , [ ” help ” ] )
41 usage ( )
42 sys . exit (2)
43 global nfl ; global cfl ; g l o b a l wid ; global g ; g l o b a l defway ; global sent
44 temp = [ 0 . 0 , 0 . 0 , 0 . 0 ]
46 if o p t == ’−f ’ :
47 n f l = arg
48 if o p t == ’−k ’ :
49 c f l = arg
50 elif o p t == ’− l ’ :
51 wid = f l o a t ( a r g )
52 elif o p t == ’−g ’ :
53 temp [ 0 ] , temp [ 1 ] , temp [ 2 ] = map ( f l o a t , s t r . s p l i t ( arg , ’ , ’ ) )
54 g = V e c t o r ( f l o a t ( temp [ 0 ] ) , f l o a t ( temp [ 1 ] ) , f l o a t ( temp [ 2 ] ) )
55 elif o p t == ’−a ’ :
56 defway = a r g
57 elif o p t == ’−d ’ :
58 sent = arg
59 elif opt i n ( ’−h ’ , ’−−h e l p ’ ) :
60 usageext ()
61 sys . exit (2)
62 return nfl , c f l , wid , g , defway , sent
63
64 def readcellvtk ( vtkfile ) :
65 instream = stdin
66 i n s t r e a m = open ( v t k f i l e , ” r ” )
67 if i n s t r e a m . r e a d l i n e ( ) != ”# v t k D a t a F i l e Version 3 . 0 \ n” : raise I O E r r o r ( ” I n v a l i d VTK f i l e . ”
)
68 infoLine = instream . r e a d l i n e ()
69 if i n f o L i n e . s t a r t s w i t h ( ”# S i m u l a t i o n c e l l ” ) == F a l s e : raise IOError ( ” I n v a l i d simulation
cell f i l e . ”)
70 dxaVersionString = infoLine . s t r i p ()
71 if i n s t r e a m . r e a d l i n e ( ) != ” ASCII \n” o r i n s t r e a m . r e a d l i n e ( ) != ”DATASET UNSTRUCTURED GRID\n”
: raise IOError ( ” I n v a l i d simulation cell f i l e . ”)
72 tokens = instream . r e a d l i n e () . s p l i t ()
73 if tokens [ 0 ] != ”POINTS” : raise IOError ( ” I n v a l i d simulation cell f i l e . ”)
74 numPoints = i n t ( t o k e n s [ 1 ] )
75 points = [ ]
76 for i in r a n g e ( numPoints ) :
77 tokens = instream . r e a d l i n e () . s p l i t ()
78 p o i n t s . append ( V e c t o r ( f l o a t ( t o k e n s [ 0 ] ) , f l o a t ( tokens [ 1 ] ) , f l o a t ( tokens [ 2 ] ) ) )
79 return points
80
81 def readdslvtk ( v t k f i l e ) :
82 instream = stdin
84 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 )
85 r e t u r n network
86
87 def d i s t a n c e ( p1 , p2 ) :
127
88 # Measure t h e d i s t a n c e between two v e c t o r

89 dd = 0 . 0
90 dx = f l o a t ( p2 . x ( ) − p1 . x ( ) )
91 dy = f l o a t ( p2 . y ( ) − p1 . y ( ) )
92 dz = f l o a t ( p2 . z ( ) − p1 . z ( ) )
93 dd = a b s ( math . s q r t ( ( dx ∗ dx ) + ( dy ∗ dy ) + ( dz ∗ dz ) ) )
94 r e t u r n dd
95
96 def f i n d d a F s h e l l ( a r r a y , pd ) :
97 for i in range ( len ( array ) ) :
98 if ( a r r a y [ i ] [ 0 ] <= pd < a r r a y [ i ] [ 1 ] ) :
99 return i
100 return ( len ( array ) + 50)
101
102 def setslabs ( cellvector ) :
103 global g ; g l o b a l defway
104 #Now d e t e r m i n e min and max o f the slabs radiuses
105 r = c = Lx = Ly = Lz = 0 . 0
106 c e l l v o l = 0.0
107 Lx = c e l l v e c t o r [ 1 ] . x ( ) − c e l l v e c t o r [ 0 ] . x ( )
108 Ly = c e l l v e c t o r [ 3 ] . y ( ) − c e l l v e c t o r [ 0 ] . y ( )
109 Lz = c e l l v e c t o r [ 4 ] . z ( ) − c e l l v e c t o r [ 0 ] . z ( )
110 dL = [ 0.0 for i in range (6) ]
111 dL [ 0 ] = a b s ( c e l l v e c t o r [ 1 ] . x ( )−g . x ( ) )
112 dL [ 1 ] = a b s ( c e l l v e c t o r [ 0 ] . x ( )−g . x ( ) )
113 dL [ 2 ] = a b s ( c e l l v e c t o r [ 3 ] . y ( )−g . y ( ) )
114 dL [ 3 ] = a b s ( c e l l v e c t o r [ 0 ] . y ( )−g . y ( ) )
115 dL [ 4 ] = a b s ( c e l l v e c t o r [ 4 ] . z ( )−g . z ( ) )
116 dL [ 5 ] = a b s ( c e l l v e c t o r [ 0 ] . z ( )−g . z ( ) )
117 if ( defway == ’ x ’ ) :
118 c = g . x()
119 if ( s e n t == ’ neg ’ ) :
120 c e l l v o l = dL [ 1 ] ∗ Ly ∗ Lz
121 dL . pop ( 0 )
122 elif ( s e n t == ’ p o s ’ ) :
123 c e l l v o l = dL [ 0 ] ∗ Ly ∗ Lz
124 dL . pop ( 1 )
125 elif ( defway == ’ y ’ ) :
126 c = g . y()
127 if ( s e n t == ’ neg ’ ) :
128 c e l l v o l = Lx ∗ dL [ 3 ] ∗ Lz
129 dL . pop ( 2 )
130 elif ( s e n t == ’ p o s ’ ) :
131 c e l l v o l = Lx ∗ dL [ 2 ] ∗ Lz
132 dL . pop ( 3 )
133 elif ( defway == ’ z ’ ) :
134 c = g . z ()
135 if ( s e n t == ’ neg ’ ) :
136 c e l l v o l = Lx ∗ Ly ∗ dL [ 5 ]
137 dL . pop ( 4 )
138 elif ( s e n t == ’ p o s ’ ) :
139 c e l l v o l = Lx ∗ Ly ∗ dL [ 4 ]
140 dL . pop ( 5 )
141 else : raise I O E r r o r ( ”Wrong a x i s or d i r e c t i o n , must be −a x , y o r z and −d p o s o r neg . ” )
142 rmax = min ( e l e m e n t for element i n dL )
143 r e t u r n c , rmax , cellvol
144
145 def c a l c v o l u m e s ( c , rmax ) :
146 g l o b a l wid
147 arrayout = [ [ float (0.0) for i in range (5) ] for j in r a n g e ( i n t ( a b s ( rmax−c ) / wid ) −1) ] #
discard first hemisphere !
148 invol = 0.0
149 for i in range ( len ( arrayout ) ) :
150 a r r a y o u t [ i ] [ 0 ] = wid ∗ i # i n r : inner shell radius
128
151 a r r a y o u t [ i ] [ 1 ] = wid ∗ ( i + 1 ) # o u t r : outer shell radius

152 arrayout [ i ] [ 2 ] = 2.0943951 ∗ (( arrayout [ i ] [ 1 ] ∗∗ 3 ) − ( a r r a y o u t [ i ] [ 0 ] ∗∗ 3 ) ) # s h e l l
h e m i s p h e r i c a l volume
153 i n v o l += a r r a y o u t [ i ] [ 2 ] #t o t a l volume ( f o r header info ) . T h i s volume d o e s n ’ t contain
the first hemisphere
154 return arrayout , invol
155
156 def m e a s u r e l i n e s ( a r r a y , netw ) :
157 g l o b a l wid ; global g
158 outlength = 0 . 0 ; inlength = 0.0
159 # s t d o u t . w r i t e ( ’ s e g m e n t s : %s \n ’ %( l e n ( netw . s e g m e n t s ) ) )
160 for i in r a n g e ( l e n ( netw . s e g m e n t s ) ) : #s u r f all the dislocation lines
161 # s t d o u t . w r i t e ( ’ segment : %s , p o i n t s : %s \n ’ %( i , l e n ( netw . s e g m e n t s [ i ] . p o i n t s ) ) )
162 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 ) ) : #s u r f all t h e segment o f each dislocation
163 if ( j < ( l e n ( netw . s e g m e n t s [ i ] . p o i n t s ) −1) ) :
164 i n l e n g t h += 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 ] )
165 rf1 = 0.0; rf2 = 0.0
166 dp1 = d i s t a n c e ( g , netw . s e g m e n t s [ i ] . p o i n t s [ j ] )
167 dp2 = d i s t a n c e ( g , netw . s e g m e n t s [ i ] . p o i n t s [ j + 1 ] )
168 # np1 = f i n d d a F s h e l l ( a r r a y , dp1 )
169 # np2 = f i n d d a F s h e l l ( a r r a y , dp2 )
170 np1 = i n t ( dp1 / wid ) #number o f the shell where p1 is located
171 np2 = i n t ( dp2 / wid ) #number o f the shell where p2 is located
172 if ( ( np1 < l e n ( a r r a y ) ) and ( np2 < l e n ( a r r a y ) ) ) :
173 if ( np1 == np2 ) : #same s h e l l
174 a r r a y [ np1 ] [ 3 ] += 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])
175 # s t d o u t . w r i t e ( ’ p o i n t %s o f segment %s is in the next s h e l l (% s ) ! ’ %( j , i
, np2 ) )
176 elif ( np1 == ( np2 −1) ) :
177 r f 1 = dp1 − a r r a y [ np2 ] [ 1 ]
178 r f 2 = dp2 − a r r a y [ np2 ] [ 1 ]
179 a r r a y [ np1 ] [ 3 ] += 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 ] )
181 # s t d o u t . w r i t e ( ’ p o i n t %s o f segment %s is in the next s h e l l (% s ) ! ’ %( j
+1 , i , np2 ) )
182 elif ( np1 == ( np2 +1) ) :
183 r f 1 = dp1 − a r r a y [ np1 ] [ 1 ]
184 r f 2 = dp2 − a r r a y [ np1 ] [ 1 ]
187 # s t d o u t . w r i t e ( ’ p o i n t %s o f segment %s is one shell b e f o r e (% s ) ! ’ %( j +1 ,
i , np2 ) )
188 # else :
189 # s t d o u t . w r i t e ( ’ segment %s c r o s s e s more than two l a y e r s ! ’ %( i ) )
190 else :
191 o u t l e n g t h += 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])
192 #s t d o u t . w r i t e ( ’ p o i n t %s i n segment %s is o u t H/2 z o n e \n ’ %( j , i ) )
193 return inlength , outlength
194
195 def completetheftable ( array ) :
196 f o r row i n array :
197 row [ 4 ] = row [ 3 ] ∗ 1 e 2 0 / row [ 2 ]
198
199
200 def writeheader ( invol , c e l l v o l , inlength , outlength ) :
201 o u t v o l = c e l l v o l −i n v o l
202 s t d o u t . w r i t e ( ’# DATA ANALYSIS\n ’ )
203 s t d o u t . w r i t e ( ’# c e l l v o l : %s i n v o l : %s o u t v o l : %s \n ’ % ( s t r ( c e l l v o l ) , s t r ( i n v o l ) , s t r (
129
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 ) :
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
232 main ( )
B.3 Conteo de Defectos

Este script permite contabilizar los distintos tipos de estructuras crista-
lográficas a los que pertenece cada átomo en un tiempo dado de la simulación. Se
trata básicamente de un programa de post-proceso que aprovecha las salidas de
los programas de análisis CAT [179] y DXA [24].
1 # −∗− c o d i n g : u t f −8 −∗−
2 ”””
3 C r e a t e d on Wed Jan 4 0 1 : 5 8 : 0 3 2012
4 @author : Ing . Diego R. Tramontina
5 SiMAF − ICB − U n i v e r s i d a d N a c i o n a l de Cuyo
6
7 p o s t −p r o c e s s script t h a t summarizes fractions of defects present in
8 a sample .
9 ”””
10 import sys , getopt , os , fnmatch
11 from t i m e i m p o r t t i m e
12 #from o p t p a r s e i m p o r t O p t i o n P a r s e r
13 from D i s l o c a t i o n N e t w o r k i m p o r t ∗
14
15 #==============================================================================
16 # #Name s u f f i x e s for auxiliar files
17 #==============================================================================
130
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 #==============================================================================
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 . ” )
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
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 ” ] )
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
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
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 ]
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
226 #ITEM : ATOMS i d x y z p a t t e r n cluster cluster local id
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 ] .
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 ]
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
295 curline = 0
296 acumclusters = 0
297 acumbcc = 0
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
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
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
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 ’ )
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
380 elif ( l i n e [ 8 ] == datum ) :

381 l i n e s t r o u t += s t r ( ’ %11d ’ %datum ) + ’ ’
382 else :
383 l i n e s t r o u t += s t r ( ’% 1 0 . 4 E ’ %datum ) + ’ ’
384 linestrout . strip ()
385 l i n e s t r o u t += ’ \n ’
386 oudt . w r i t e ( l i n e s t r o u t )
387
388 def p r o c e s s f i l e ( inputfilename , inputpath ) :
389 g l o b a l monoXtal
390 s t a r t = time ( )
391 indt , tmstep , natoms , dimsampl , n f l s t r u c t , o t l o g , network , p a t s t r u c t , l p a t s t r u c t = o p e n f i l e (
inputfilename , inputpath )
392 t h i c k n e s s = 0 . 5 ∗ elem [ 1 ] ∗ l y r s #[ A ]
393 nbinsmax = i n t ( round ( dimsampl [ 2 ] [ 2 ] / t h i c k n e s s ) ) + 1
394 s l i c e l a s t = −( t h i c k n e s s ∗ ( nbinsmax −1) − dimsampl [ 2 ] [ 2 ] ) #[ A ]
395 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 , dimsampl [ 0 ] [ 2 ] ∗ dimsampl [ 1 ] [ 2 ] ∗
s l i c e l a s t ∗1 e −3] #[ A ] to [ nm ]
396 t h i c k n e s s ∗= 1 e−1 #[ A ] to [ nm ]
397 s l i c e l a s t ∗= 1 e−1 #[ A ] to [ nm ]
398 if ( vr b== True ) :
399 stdout . write ( ’ Reading from f i l e : %s \n ’ % ( i n d t . name ) )
400 stdout . write ( ’ C r e a t i n g %s b i n s : \ n\ tDepth : % 1 0 . 4E [ nm ] ( l a s t =%10.4E [ nm ] ) \n\ tVolume : % 1 0 . 4
E [ nmˆ 3 ] ( l a s t =%10.4E [ nm ˆ 3 ] ) \n ’ % ( nbinsmax , t h i c k n e s s , s l i c e l a s t , v o l s l i c e [ 0 ] ,
volslice [1]) )
401 o t l o g . w r i t e ( ’ Reading from f i l e : %s \n ’ % ( i n d t . name ) )
402 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 ] ( l a s t =%10.4E [ nm ] ) \n\ tVolume : % 1 0 . 4E [ nm
ˆ3] ( l a s t =%10.4E [ nm ˆ 3 ] ) \n ’ % ( nbinsmax , t h i c k n e s s , s l i c e l a s t , v o l s l i c e [ 0 ] , volslice [1]) )
403 if ( monoXtal == True ) :
404 o r i g c l u s t e r i d = d e t e r m i n e m a x c l u s t e r ( i n d 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 )
405 else :
406 origclusterid = ’ ’
407 a r r o u t = c a l c u l a t e b i n s ( i n d t , nbinsmax , natoms , t h i c k n e s s , dimsampl , n f l s t r u c t , o t l o g ,
patstruct , lpatstruct , o r i g c l u s t e r i d )
408 if ( n e t w o r k <> ’ ’ ) :
409 if ( vr b ) : stdout . write ( ” Calculating dislocation d e n s i t y from n e t w o r k . \ n” )
410 otlog . write (” Calculating dislocation d e n s i t y from n e t w o r k . \ n” )
411 m e a s u r e l i n e s ( a r r o u t , network , t h i c k n e s s , dimsampl )
412 completetheftable ( arrout , v o l s l i c e )
413
414 o t d t = open ( o s . path . dirname ( o s . path . a b s p a t h ( i n d t . name ) ) + ’ / ’ + i n p u t f i l e n a m e . r e p l a c e (
DumpPattern , P r o f P a t t e r n ) , ’w ’ )
415 #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 , L o g P a t t e r n ) , ’w ’ )
416 w r i t e h e a d e r ( indt , otdt , otlog , p a t s t r u c t , l p a t s t r u c t )
417 w r i t e d a t a ( otdt , arrout , o t l o g )
418 indt . close ()
419 otdt . c l o s e ()
420 end = t i m e ( )
421 if ( vr b ) : stdout . write ( ’ Process finished , e l a p s e d t i m e =%10.2Es ( % 1 0 . 2 Es / atom ) \n ’ %(( end−
s t a r t ) , ( ( end−s t a r t ) / natoms ) ) )
422 otlog . write ( ’ Process finished , e l a p s e d t i m e =%10.2Es ( % 1 0 . 2 Es / atom ) \n ’ %(( end−s t a r t ) , ( ( end−
s t a r t ) / natoms ) ) )
423 otlog . close ()
424
425
426 d e f main ( ) :
427 global nflpat
428 readargs ()
429 l s l i s t = find all ( nflpat )
430 if ( l e n ( l s l i s t ) == 0 ) :
431 raise I O E r r o r ( ”Can ’ t detect p r e s e n c e any file with that pattern ”)
432 else :
433 if ( vr b ) : stdout . write ( ’ P r o c e s s i n g %s f i l e s \n ’ %( l e n ( l s l i s t ) ) )
137
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
444 main ( )
Bibliografı́a
[1] M. A. Meyers, K. K. Chawla, Mechanical behavior of materials, Cambridge

University Press, Cambridge; New York, 2009.
[2] R.C. Davidson, Frontiers in high energy density physics: the X-games of
contemporary science, National Academies Press, Washington, D.C, 2003.
[3] B. A. Remington, G. Bazan, J. Belak, E. Bringa, J. D. Colvin, M. J. Edwards,

S. G. Glendinning, D. H. Kalantar, M. Kumar, B. F. Lasinski, K. T. Lorenz,
J. M. McNaney, S. M. Pollaine, D. Rowley, J. S. Stlken, S. V. Weber, W. G.
Wolfer, M. Caturla, D. S. Ivanov, L. V. Zhigilei, B. Kad, M. A. Meyers,
M. Schneider, D. D. Meyerhofer, B. Yaakobi, J. S. Wark, Materials science
under extreme conditions of pressure and strain rate, Metall. Mater. Trans.
A 35 (9) (2004) 2587. doi:10.1007/s11661-004-0205-6.
[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.
[5] J. D. Slavin, A. P. Jones, A. G. G. M. Tielens, Shock Processing of Large

Grains in the Interstellar Medium, Astrophys. J. 614 (2) (2004) 796. doi:
10.1086/423834.
[6] S. J. Moon, S. C. Wilks, R. I. Klein, B. A. Remington, D. D. Ryutov, A. J.

Mackinnon, P. K. Patel, A. Spitkovsky, A Neutron Star Atmosphere in the
Laboratory With Petawatt Lasers, Astrophys.Space.Sci. 298 (1-2) (2005) 293.
doi:10.1007/s10509-005-3949-6.
[7] M. Acarer, B. Glen, F. Findik, Investigation of explosive welding parameters

and their effects on microhardness and shear strength, Mat.&Desing 24 (8)
(2003) 659. doi:10.1016/S0261-3069(03)00066-9.
[8] L. E. Murr, M. A. Meyers, Metallurgical Effects of Shock and Pressure Waves

in Metals, in: T. Z. Blazynski (Ed.), Explosive Welding, Forming and Com-
paction, Springer Netherlands, Dordrecht, 1983, pp. 83–121.
138
139
[9] M. Itoh, M. Katayama, R. Rainsberger, Computer simulation of a Boeing

747 passenger jet crashing into a reinforced concrete wall, Mater. Sci. Forum
465/466, (2004) 73.
[10] D. L. Preston, D. L. Tonks, D. C. Wallace, Model of plastic deformation for
extreme loading conditions, J. Appl. Phys. 93 (1) (2003) 211. doi:10.1063/
1.1524706.
[11] M. Meyers, D. Benson, O. Vhringer, B. Kad, Q. Xue, H.-H. Fu, Constitutive
description of dynamic deformation: physically-based mechanisms, Mater.
Sci. Eng. A 322 (1-2) (2002) 194. doi:10.1016/S0921-5093(01)01131-5.
[12] K. Yamada, Y. Tanabe, A. B. Sawaoka, Allotropes of carbon shock syn-
thesized at pressures up to 15 GPa, Philos. Mag. 80 (8) (2000) 1811.
doi:10.1080/01418610008219086.
[13] E. M. Bringa, A. Caro, Y. Wang, M. Victoria, J.M. McNanney, B.A. Reming-
ton, R.F. Smith, B.R. Torralva, H. Van Swyngenhoven, Ultrahigh Strength
in Nanocrystalline Materials Under Shock Loading, Sci. 309 (5742) (2005)
1838–1841. doi:10.1126/science.1116723.
[14] C. Rose-Petruck, R. Jimenez, T. Guo, A. Cavalleri, C. W. Siders, F. Rksi,
J. A. Squier, B. C. Walker, K. R. Wilson, C. P. J. Barty, Picosecond-
millingstrm lattice dynamics measured by ultrafast X-ray diffraction, Nat.
398 (6725) (1999) 310. doi:10.1038/18631.
[15] H. E. Lorenzana, J. F. Belak, K. S. Bradley, E. M. Bringa, K. S. Budil,
J. U. Cazamias, B. El-Dasher, J. A. Hawreliak, J. Hessler, K. Kadau, D. H.
Kalantar, J. M. McNaney, D. Milathianaki, K. Rosolankova, D. C. Swift,
M. Taravillo, T. W. Buuren, J. S. Wark, T. D. Rubia, Shocked materials
at the intersection of experiment and simulation, Sci.Model.Sim. 15 (1-3)
(2008) 159. doi:10.1007/s10820-008-9107-z.
[16] B. A. Remington, P. Allen, E. M. Bringa, J. Hawreliak, D. Ho, K. T.
Lorenz, H. Lorenzana, J. M. McNaney, M. A. Meyers, S. W. Pollaine,
K. Rosolankova, B. Sadik, M. S. Schneider, D. Swift, J. Wark, B. Yaakobi,
Material dynamics under extreme conditions of pressure and strain rate, Mat.
Sci. & Tech. 22 (4) (2006) 474–488. doi:10.1179/174328406X91069.
[17] E. M. Bringa, K. Rosolankova, R. E. Rudd, B. A. Remington, J. S. Wark,
M. Duchaineau, D. H. Kalantar, J. Hawreliak, J. Belak, Shock deformation
of face-centred-cubic metals on subnanosecond timescales, Nat. Mater. 5 (10)
(2006) 805–809. doi:10.1038/nmat1735.
[18] S. Traiviratana, E. M. Bringa, D. J. Benson, M. A. Meyers, Void growth
in metals: Atomistic calculations, Acta Mater. 56 (15) (2008) 3874–3886.
doi:10.1016/j.actamat.2008.03.047.
140
[19] G. T. Gray, D. B. Hayes, R. S. Hixson, Influence of the shock-induced

alpha-epsilon transition in Fe on its post-shock substructure evolution and
mechanical behavior, J.Phys.IV 10 (PR9) (2000) Pr9–755–Pr9–760. doi:
10.1051/jp4:20009125.
[20] M. P. Allen, D. J. Tildesley, Computer simulation of liquids, Clarendon Press

; Oxford University Press, Oxford [England]; New York, 1989.
[21] B. Holian, Molecular dynamics comes of age for shockwave research, Shock
waves 13 (6). doi:10.1007/s00193-004-0226-5.
[22] C. L. Kelchner, S. J. Plimpton, J. C. Hamilton, Dislocation nucleation and

defect structure during surface indentation, Phys. Rev. B 58, (1998) 11085–
11088. doi:10.1103/PhysRevB.58.11085.
[23] A. Higginbotham, M. J. Suggit, E. M. Bringa, P. Erhart, J. A. Hawreliak,

G. Mogni, N. Park, B. A. Remington, J. S. Wark, Molecular dynamics simula-
tions of shock-induced deformation twinning of a body-centered-cubic metal,
Phys. Rev. B 88 (10) (2013) 104105. doi:10.1103/PhysRevB.88.104105.
[24] A. Stukowski, K. Albe, Extracting dislocations and non-dislocation crys-

tal defects from atomistic simulation data, Model. Simul. Mater. Sc. 18 (8)
(2010) 085001. doi:10.1088/0965-0393/18/8/085001.
[25] A. Stukowski, Structure identification methods for atomistic simulations of

crystalline materials, Model. Simul. Mater. Sc. 20 (4) (2012) 045021. doi:
10.1088/0965-0393/20/4/045021.
[26] K. Werner, H. Weiss, Das neue Schwarzbuch Markenfirmen: Die Machen-

schaften der Weltkonzerne, Deuticke, Wien, 2003.
[27] J. Papp, Mineral Commodity Summaries, February 2014, Tech. rep., U.S.
Geological Survey (Feb. 2014).
[28] R. Ravelo, T. C. Germann, O. Guerrero, Q. An, B. L. Holian, Shock-

induced plasticity in tantalum single crystals: Interatomic potentials and
large-scale molecular-dynamics simulations, Phys. Rev. B 88 (13). doi:
10.1103/PhysRevB.88.134101.
[29] K. Meyer, G. Hall, D. Offin, Equations of Celestial Mechanics, in: Introduc-

tion to Hamiltonian Dynamical Systems and the N-Body Problem, Vol. 90,
Springer New York, New York, NY, 2009, pp. 27–44.
[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.
[35] M. Daw, M. Baskes, Embedded-atom method: Derivation and application

to impurities, surfaces, and other defects in metals, Phys. Rev. B 29 (12)
(1984) 6443–6453. doi:10.1103/PhysRevB.29.6443.
[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.
[37] R. Car, Unified Approach for Molecular Dynamics and Density-Functional

Theory, Phys. Rev. Lett. 55 (22) (1985) 2471–2474. doi:10.1103/
PhysRevLett.55.2471.
[38] F. Ercolessi, M. Parrinello, E. Tosatti, Simulation of gold in the glue model,

Philos. Mag. A 58 (1) (1988) 213. doi:10.1080/01418618808205184.
[39] H. Cox, R. L. Johnston, J. N. Murrell, Empirical Potentials for Modeling

Solids, Surfaces, and Clusters, J. Solid State Chem. 145 (2) (1999) 517.
doi:10.1006/jssc.1999.8200.
[40] F. Ercolessi, E. Tosatti, M. Parrinello, Au (100) Surface Reconstruction,

Phys. Rev. Lett. 57 (6) (1986) 719. doi:10.1103/PhysRevLett.57.719.
[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.
[42] J. Moriarty, Density-functional formulation of the generalized pseudopoten-

tial theory. III. Transition-metal interatomic potentials, Phys. Rev. B 38 (5)
(1988) 3199. doi:10.1103/PhysRevB.38.3199.
[43] M. W. Finnis, J. E. Sinclair, A simple empirical N-body potential for

transition metals, Philos. Mag. A 50 (1) (1984) 45–55. doi:10.1080/
01418618408244210.
142
[44] X. D. Dai, Y. Kong, J. H. Li, B. X. Liu, Extended FinnisSinclair potential

for bcc and fcc metals and alloys, J. Phys. Condes. Mat. 18 (19) (2006)
4527–4542. doi:10.1088/0953-8984/18/19/008.
[45] P. Hohenberg, Inhomogeneous Electron Gas, Phys. Rev. 136 (3B) (1964)
B864. doi:10.1103/PhysRev.136.B864.
[46] A. Guellil, J. Adams, The application of the analytic embedded atom method
to bcc metals and alloys, J. Mater. Res. 7 (03) (1992) 639–652. doi:10.1557/
JMR.1992.0639.
[47] Y. Li, D. Siegel, J. Adams, X.-Y. Liu, Embedded-atom-method tantalum
potential developed by the force-matching method, Phys. Rev. B 67 (12).
doi:10.1103/PhysRevB.67.125101.
[48] J. A. Moriarty, J. F. Belak, R. E. Rudd, P. Sderlind, F. H. Streitz, L. H. Yang,
Quantum-based atomistic simulation of materials properties in transition
metals, J. Phys. Condes. Mat. 14 (11) (2002) 2825–2857. doi:10.1088/
0953-8984/14/11/305.
[49] K. W. Katahara, M. H. Manghnani, E. S. Fisher, Pressure derivatives of the
elastic moduli of BCC Ti-V-Cr, Nb-Mo and Ta-W alloys, J. Phys. F 9 (5)
(1979) 773–790. doi:10.1088/0305-4608/9/5/006.
[50] H. C. C.S. Yoo, Single crystal elastic constants of tantalum to 105 GPa.,
Tech. Rep. UCRL-JC-137930, LLNL (2000).
[51] R. Ravelo, Q. An, T. C. Germann, B. Holian, Large-scale molecular dynam-
ics simulations of shock induced plasticity in tantalum single crystals, AIP
Cong.Proc. 1426 (2012) 1263–1266. doi:10.1063/1.3686510.
[52] T. Gray, The Periodic Table of Elements, wolfram Research, Inc. (Jan. 2014).
[53] M. Bazaraa, H. Sherali, C. Shetty, Nonlinear Programming: Theory and
Algorithms, 3rd Edition, Wiley, New York, 2006.
[54] J. N. Florando, N. R. Barton, B. S. El-Dasher, J. M. McNaney, M. Kumar,
Analysis of deformation twinning in tantalum single crystals under shock
loading conditions, J. Appl. Phys. 113 (8) (2013) 083522. doi:10.1063/1.
4792227.
[55] E. M. Bringa, S. Traiviratana, M. A. Meyers, Void initiation in fcc metals:
Effect of loading orientation and nanocrystalline effects, Acta Mater. 58 (13)
(2010) 4458–4477. doi:10.1016/j.actamat.2010.04.043.
[56] S. Li, X. Ding, J. Deng, T. Lookman, J. Li, X. Ren, J. Sun, A. Saxena,
Superelasticity in bcc nanowires by a reversible twinning mechanism, Phys.
Rev. B 82 (20). doi:10.1103/PhysRevB.82.205435.
143
[57] C. H. Rycroft, VORO++: A three-dimensional Voronoi cell library in C++,

Chaos 19 (4) (2009) 041111. doi:10.1063/1.3215722.
[58] N. K. Bourne, On designing structures for extreme environments,

Int.J.Impact.Eng. 48 (2012) 107–115. doi:10.1016/j.ijimpeng.2011.11.
011.
[59] D. J. Luscher, C. A. Bronkhorst, C. N. Alleman, F. L. Addessio, A model

for finite-deformation nonlinear thermomechanical response of single crystal
copper under shock conditions, J. Mech. Phys. Solids 61 (9) (2013) 1877–
1894. doi:10.1016/j.jmps.2013.05.002.
[60] D. Tramontina, P. Erhart, T. Germann, J. Hawreliak, A. Higginbotham,

N. Park, R. Ravelo, A. Stukowski, M. Suggit, Y. Tang, J. Wark, E. Bringa,
Molecular dynamics simulations of shock-induced plasticity in tantalum,
High Energ.Dens.Phys. 10 (2014) 9. doi:10.1016/j.hedp.2013.10.007.
[61] C. S. G. M. Steinberg, D.J., A constitutive model for metals applicable at

high-strain rate, J. Appl. Phys. 51 (3) (1980) 1498–1504, cited By (since
1996) 309.
[62] M. A. Meyers, C. Taylor Aimone, Dynamic fracture (spalling) of metals,

Prog. Mater. Sci. 28 (1) (1983) 1–96. doi:10.1016/0079-6425(83)90003-8.
[63] M. A. Meyers, H. Jarmakani, B. Y. Cao, C. T. Wei, B. Kad, B. A. Rem-

ington, E. M. Bringa, B. Maddox, D. Kalantar, D. Eder, A. Koniges, Laser
compression and fragmentation of metals, Vol. 2, EDP Sciences, 2009, pp.
999–1006. doi:10.1051/dymat/2009140.
[64] M. A. Meyers, B. A. Remington, B. Maddox, E. M. Bringa, Laser shocking

of materials: Toward the national ignition facility, JOM 62 (1) (2010) 24.
doi:10.1007/s11837-010-0006-x.
[65] D. Chandler, Introduction to modern statistical mechanics, Oxford Univer-

sity Press, New York, 1987.
[66] M. Kaufman, Principles of thermodynamics, no. 15 in Undergraduate chem-

istry, Marcel Dekker, New York, 2002.
[67] R. C. Tolman, The principles of statistical mechanics, Dover Publications,

New York, 1979.
[68] R. Pearson, J. Richardson, D. Toussaint, Dynamic correlations in the three-

dimensional Ising model, Phys. Rev. B 31 (7) (1985) 4472. doi:10.1103/
PhysRevB.31.4472.
144
[69] J. Jellinek, A. Goldberg, On the temperature, equipartition, degrees of free-

dom, and finite size effects: Application to aluminum clusters, J. Chem.
Phys. 113 (7) (2000) 2570. doi:10.1063/1.1305821.
[70] B. L. Holian, Plasticity Induced by Shock Waves in Nonequilibrium

Molecular-Dynamics Simulations, Sci. 280 (5372) (1998) 2085–2088. doi:
10.1126/science.280.5372.2085.
[71] E. M. Bringa, K. Rosolankova, R. E. Rudd, B. A. Remington, J. S. Wark,

M. Duchaineau, D. H. Kalantar, J. Hawreliak, J. Belak, Shock deformation
of face-centred-cubic metals on subnanosecond timescales, Nat. Mater. 5 (10)
(2006) 805–809. doi:10.1038/nmat1735.
[72] M. A. Shehadeh, E. M. Bringa, H. M. Zbib, J. M. McNaney, B. A. Reming-

ton, Simulation of shock-induced plasticity including homogeneous and het-
erogeneous dislocation nucleations, Appl. Phys. Lett. 89 (17) (2006) 171918.
doi:10.1063/1.2364853.
[73] C. C. Peng, C. K. Chung, B. H. Wu, M. H. Weng, C. C. Huang, J. F. Lin,

Effects of annealing conditions and thickness ratio of Si/Al films on the Hall
carrier mobility, Al carrier concentration, and nanovoids formed in the metal-
induced Si crystallization of Si/Al/Si/SiO2/glass specimens, Surf.Coat.Tech.
205 (19) (2011) 4672–4682. doi:10.1016/j.surfcoat.2011.04.032.
[74] R. Nakamura, T. Shudo, A. Hirata, M. Ishimaru, H. Nakajima, Nanovoid

formation through the annealing of amorphous Al2o3 and WO3 films, Scripta
Mater. 64 (2) (2011) 197–200. doi:10.1016/j.scriptamat.2010.09.043.
[75] S. D. Antolovich, R. W. Armstrong, Plastic strain localization in metals:

origins and consequences, Prog. Mater. Sci. 59 (2014) 1–160. doi:10.1016/
j.pmatsci.2013.06.001.
[76] D. B. Reisman, W. G. Wolfer, A. Elsholz, M. D. Furnish, Isentropic compres-

sion of irradiated stainless steel on the Z accelerator, J. Appl. Phys. 93 (11)
(2003) 8952. doi:10.1063/1.1571969.
[77] M. Lambrecht, E. Meslin, L. Malerba, M. Hernndez-Mayoral, F. Bergner,

P. Pareige, B. Radiguet, A. Almazouzi, On the correlation between
irradiation-induced microstructural features and the hardening of reactor
pressure vessel steels, J. Nucl. Mater. 406 (1) (2010) 84–89. doi:10.1016/
j.jnucmat.2010.05.020.
[78] V. Lubarda, M. Schneider, D. Kalantar, B. Remington, M. Meyers, Void

growth by dislocation emission, Acta Mater. 52 (6) (2004) 1397–1408. doi:
10.1016/j.actamat.2003.11.022.
145
[79] E. Seppala, J. Belak, R. Rudd, Effect of stress triaxiality on void growth

in dynamic fracture of metals: A molecular dynamics study, Phys. Rev. B
69 (13). doi:10.1103/PhysRevB.69.134101.
[80] J. Marian, J. Knap, M. Ortiz, Nanovoid deformation in aluminum under sim-
ple shear, Acta Mater. 53 (10) (2005) 2893–2900. doi:10.1016/j.actamat.
2005.02.046.
[81] R. W. Armstrong, S. M. Walley, High strain rate properties of met-
als and alloys, Int. Mater. Rev. 53 (3) (2008) 105–128. doi:10.1179/
174328008X277795.
[82] L. P. Davila, P. Erhart, E. M. Bringa, M. A. Meyers, V. A. Lubarda, M. S.
Schneider, R. Becker, M. Kumar, Atomistic modeling of shock-induced void
collapse in copper, Appl. Phys. Lett. 86 (16) (2005) 161902. doi:10.1063/
1.1906307.
[83] A. S. Pohjonen, F. Djurabekova, K. Nordlund, A. Kuronen, S. P. Fitzgerald,
Dislocation nucleation from near surface void under static tensile stress in
Cu, J. Appl. Phys. 110 (2) (2011) 023509. doi:10.1063/1.3606582.
[84] H. W. Sheng, M. J. Kramer, A. Cadien, T. Fujita, M. W. Chen, Highly
optimized embedded-atom-method potentials for fourteen fcc metals, Phys.
[85] L. Burakovsky, S. P. Chen, D. L. Preston, A. B. Belonoshko, A. Rosen-
gren, A. S. Mikhaylushkin, S. I. Simak, J. A. Moriarty, High-PressureHigh-
Temperature Polymorphism in Ta: Resolving an Ongoing Experimental
Controversy, Phys. Rev. Lett. 104 (25). doi:10.1103/PhysRevLett.104.
255702.
[86] R. E. Rudd, J. F. Belak, Void nucleation and associated plasticity in dynamic
fracture of polycrystalline copper: an atomistic simulation, Comp. Mater.
Sci. 24 (1-2) (2002) 148–153. doi:10.1016/S0927-0256(02)00181-7.
[87] R. E. Rudd, Void growth in bcc metals simulated with molecular dynamics
using the FinnisSinclair potential, Philos. Mag. 89 (34-36) (2009) 3133–3161.
doi:10.1080/14786430903222529.
[88] J. Marian, J. Knap, G. Campbell, A Quasicontinuum study of nanovoid
collapse under uniaxial loading in Ta, Acta Mater. 56 (10) (2008) 2389–2399.
doi:10.1016/j.actamat.2008.01.050.
[89] R. Groger, A. Bailey, V. Vitek, Multiscale modeling of plastic deformation
of molybdenum and tungsten: I. Atomistic studies of the core structure and
glide of 0.5 111 screw dislocations at 0k, Acta Mater. 56 (19) (2008) 5401–
5411. doi:10.1016/j.actamat.2008.07.018.
146
[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.
[91] A. L. Gurson, Continuum Theory of Ductile Rupture by Void Nucleation

and Growth: Part IYield Criteria and Flow Rules for Porous Ductile Media,
J. Eng. Mater. Tech. 99 (1) (1977) 2. doi:10.1115/1.3443401.
[92] G. Collins, H. Melosh, K. Wunnemann, Improvements to the epsilon-alpha

porous compaction model for simulating impacts into high-porosity solar
system objects, Int.J.Impact.Eng. 38 (6) (2011) 434–439. doi:10.1016/j.
ijimpeng.2010.10.013.
[93] D. Ahn, P. Sofronis, R. Minich, On the micromechanics of void growth by

prismatic-dislocation loop emission, J.Mech.Phys.Solids 54 (4) (2006) 735–
755. doi:10.1016/j.jmps.2005.10.011.
[94] V. A. Lubarda, Emission of dislocations from nanovoids under combined

loading, Int. J. Plast. 27 (2) (2011) 181–200. doi:10.1016/j.ijplas.2010.
04.005.
[95] S. Zhang, J. Zhou, L. Wang, Y. Wang, S. Dong, Effect of twin boundaries on

nanovoid growth based on dislocation emission, Mater.Sci.Eng.A 582 (2013)
29–35. doi:10.1016/j.msea.2013.06.017.
[96] L. D. Nguyen, D. H. Warner, Improbability of Void Growth in Alu-

minum via Dislocation Nucleation under Typical Laboratory Conditions,
Phys.Rev.Lett. 108 (3). doi:10.1103/PhysRevLett.108.035501.
[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.
[98] M. A. Bhatia, K. N. Solanki, A. Moitra, M. A. Tschopp, Investigating

Damage Evolution at the Nanoscale: Molecular Dynamics Simulations of
Nanovoid Growth in Single-Crystal Aluminum, Metall. Mater. Trans. A
44 (2) (2012) 617–626. doi:10.1007/s11661-012-1082-z.
[99] K. Kadau, Microscopic View of Structural Phase Transitions Induced by

Shock Waves, Sci. 296 (5573) (2002) 1681–1684. doi:10.1126/science.
1070375.
[100] S. Plimpton, Fast Parallel Algorithms for Short-Range Molecular Dynamics,

J.Comp.Phys. 117 (1) (1995) 1–19. doi:10.1006/jcph.1995.1039.
147
[101] P. Erhart, E. M. Bringa, M. Kumar, K. Albe, Atomistic mechanism of shock-

induced void collapse in nanoporous metals, Phys. Rev. B 72 (5). doi:
10.1103/PhysRevB.72.052104.
[102] A. Kubota, M.-J. Caturla, S. Payne, T. Diaz de la Rubia, J. Latkowski,

Modeling defect production in silica glass due to energetic recoils using
molecular dynamics simulations, J. Nucl. Mater. 307-311 (2002) 891–894.
doi:10.1016/S0022-3115(02)01008-5.
[103] A. Kubota, D. B. Reisman, W. G. Wolfer, Dynamic strength of metals in

shock deformation, Appl. Phys. Lett. 88 (24) (2006) 241924. doi:10.1063/
1.2210799.
[104] R. E. Rudd, A. J. Comley, J. Hawreliak, B. Maddox, H.-S. Park, B. A. Rem-

ington, Theory and simulation of 1d TO 3d plastic relaxation in tantalum,
AIP Cong.Proc. (2012) 1379–1382doi:10.1063/1.3686538.
[105] Y. Tang, E. M. Bringa, B. A. Remington, M. A. Meyers, Growth and collapse

of nanovoids in tantalum monocrystals, Acta Mater. 59 (4) (2011) 1354–1372.
doi:10.1016/j.actamat.2010.11.001.
[106] Y. Tang, E. M. Bringa, M. A. Meyers, Ductile tensile failure in metals

through initiation and growth of nanosized voids, Acta Mater. 60 (12) (2012)
4856–4865. doi:10.1016/j.actamat.2012.05.030.
[107] C. Ruestes, E. Bringa, A. Stukowski, J. Rodrguez Nieva, G. Bertolino,

Y. Tang, M. Meyers, Atomistic simulation of the mechanical response of
a nanoporous body-centered cubic metal, Scripta Mater. 68 (10) (2013) 817.
doi:10.1016/j.scriptamat.2013.01.035.
[108] A. Stukowski, Visualization and analysis of atomistic simulation data with

OVITOthe Open Visualization Tool, Model. Simul. Mater. Sc. 18 (1) (2010)
015012. doi:10.1088/0965-0393/18/1/015012.
[109] W. Humphrey, A. Dalke, K. Schulten, VMD. Visual molecular dynamics, J.

Mol. Graph. 14 (1) (1996) 33–38. doi:10.1016/0263-7855(96)00018-5.
[110] A. Stukowski, A. Arsenlis, On the elasticplastic decomposition of crystal

deformation at the atomic scale, Model. Simul. Mater. Sc. 20 (3) (2012)
035012. doi:10.1088/0965-0393/20/3/035012.
[111] W. L. Stewart, J. M. Roberts, N. G. Alexandropolous, K. Salama, Effect of

hydrogen on the temperature dependence of the elastic constants of tantalum
single crystals, J. Appl. Phys. 48 (1) (1977) 75. doi:10.1063/1.323327.
[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.
[116] N. R. Barton, J. V. Bernier, R. Becker, A. Arsenlis, R. Cavallo, J. Marian,

M. Rhee, H.-S. Park, B. A. Remington, R. T. Olson, A multiscale strength
model for extreme loading conditions, J. Appl. Phys. 109 (7) (2011) 073501.
doi:10.1063/1.3553718.
[117] S. Nemat-Nasser, J. B. Isaacs, M. Liu, Microstructure of high-strain, high-

strain-rate deformed tantalum, Acta Mater. 46 (4) (1998) 1307–1325. doi:
10.1016/S1359-6454(97)00746-5.
[118] L. L. Hsiung, Shock-induced phase transformation in tantalum, J. Phys. Con-

des. Mat. 22 (38) (2010) 385702. doi:10.1088/0953-8984/22/38/385702.
[119] J. Hagelaar, E. Bitzek, C. Flipse, P. Gumbsch, Atomistic simulations of the

formation and destruction of nanoindentation contacts in tungsten, Phys.
[120] V. A. Lubarda, Image force on a straight dislocation emitted from a cylin-

drical void, Int. J. Solids Struct. 48 (5) (2011) 648–660. doi:10.1016/j.
ijsolstr.2010.11.006.
[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.
[122] M. Meyers, H. Jarmakani, E. Bringa, B. Remington, J. P. Hirth, L. Kubin,

Chapter 89 Dislocations in Shock Compression and Release, in: Dislocations
in Solids, Vol. 15 of Dislocations in Solids, Elsevier, 2009, pp. 91–197.
[123] X. Deng, W. Zhu, Y. Zhang, H. He, F. Jing, Configuration effect on

coalescence of voids in single-crystal copper under shock loading, Com-
put.Mater.Sci. 50 (1) (2010) 234–238. doi:10.1016/j.commatsci.2010.
08.008.
[124] R. Zhang, J. Wang, I. Beyerlein, T. Germann, Twinning in bcc metals under

shock loading: a challenge to empirical potentials, Philos. Mag. Lett. 91 (12)
(2011) 731–740. doi:10.1080/09500839.2011.615348.
149
[125] H. Jarmakani, B. Maddox, C. Wei, D. Kalantar, M. Meyers, Laser shock-

induced spalling and fragmentation in vanadium, Acta Mater. 58 (14) (2010)
4604–4628. doi:10.1016/j.actamat.2010.04.027.
[126] S.-N. Luo, Shock compression and spallation of single crystal tantalum, AIP
Cong.Proc. 1426 (2012) 1259–1262. doi:10.1063/1.3686509.
[127] Q. An, R. Ravelo, T. C. Germann, I. W. A. Goddard, Shock compression and

spallation of single crystal tantalum, AIP Cong.Proc. 1426 (2012) 1259–1262.
doi:10.1063/1.3686509.
[128] S. V. Razorenov, G. Garkushin, G. I. Kanel, O. N. Ignatova, The spall

strength and Hugoniot elastic limit of tantalum with various grain size, AIP
Cong.Proc. (2012) 991–994doi:10.1063/1.3686444.
[129] N. Gunkelmann, H. Ledbetter, H. M. Urbassek, Experimental and atomistic

study of the elastic properties of FeC martensite, Acta Mater. 60 (12) (2012)
4901–4907. doi:10.1016/j.actamat.2012.05.038.
[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.
[131] T. Germann, B. Holian, P. Lomdahl, R. Ravelo, Orientation Dependence

in Molecular Dynamics Simulations of Shocked Single Crystals, Phys. Rev.
Lett. 84 (23) (2000) 5351–5354. doi:10.1103/PhysRevLett.84.5351.
[132] H.-S. Park, N. Barton, J. L. Belof, K. J. M. Blobaum, R. M. Cavallo, A. J.

Comley, B. Maddox, M. J. May, S. M. Pollaine, S. T. Prisbrey, B. Remington,
R. E. Rudd, D. W. Swift, R. J. Wallace, M. J. Wilson, A. Nikroo, E. Giraldez,
Experimental results of tantalum material strength at high pressure and
high strain rate, AIP Cong.Proc. 1426 (2012) 1371–1374. doi:10.1063/1.
3686536.
[133] L. Murr, M. Meyers, C.-S. Niou, Y. Chen, S. Pappu, C. Kennedy, Shock-

induced deformation twinning in tantalum, Acta Mater. 45 (1) (1997) 157.
doi:10.1016/S1359-6454(96)00145-0.
[134] J. K. Zhou, L. L. Hsiung, R. Chau, C. K. Saw, M. Elert, M. D. Furnish,

R. Chau, N. Holmes, J. Nguyen, An X-Ray study of shock-recovered Ta sinlge
crystals, AIP Cong.Proc. 955 (2007) 677–680. doi:10.1063/1.2833192.
[135] C. Lu, B. Remington, B. Maddox, B. Kad, H. Park, S. Prisbrey, M. Meyers,

Laser compression of monocrystalline tantalum, Acta Mater. 60 (19) (2012)
6601–6620. doi:10.1016/j.actamat.2012.08.026.
150
[136] A. J. Comley, B. R. Maddox, R. E. Rudd, S. T. Prisbrey, J. A. Hawreliak,

D. A. Orlikowski, S. C. Peterson, J. H. Satcher, A. J. Elsholz, H.-S. Park,
B. A. Remington, N. Bazin, J. M. Foster, P. Graham, N. Park, P. A. Rosen,
S. R. Rothman, A. Higginbotham, M. Suggit, J. S. Wark, Strength of Shock-
Loaded Single-Crystal Tantalum [100] Determined using In Situ Broadband
X-Ray Laue Diffraction, Phys. Rev. Lett. 110 (11) (2013) 115501. doi:
10.1103/PhysRevLett.110.115501.
[137] B. Hammel, D. Swift, B. El-Dasher, M. Kumar, G. W. Collins, J. Florando,

Plastic behavior of polycrystalline tantalum in the 5 107/s regime, AIP
Cong.Proc. (2012) 931–934doi:10.1063/1.3686430.
[138] J. M. McNaney, B. Torralva, K. T. Lorenz, B. A. Remington, M. Wall,

M. Kumar, M. Elert, M. D. Furnish, W. W. Anderson, W. G. Proud,
W. T. Butler, SHOCKLESS LOADING WITH RECOVERY FOR CHAR-
ACTERIZATION OF MATERIAL RESPONSE, AIP Cong.Proc. (2009)
677–680http://dx.doi.org/10.1063/1.3295230 doi:10.1063/1.3295230.
[139] C.-H. Lu, Laser Compression of Tantalum, Doctoral, UCSD, California, USA
(2013).
[140] S. Cuesta-Lopez, J.M. Perlado, Nanoscale View of Shock Wave Propagation

in Single Crystal Fe, W, and Ta for Nuclear Fusion Technology, Fusion Sci.
Tech. 60 (2) (2011) 590–594.
[141] J.-P. Cuq-Lelandais, M. Boustie, L. Soulard, L. Berthe, J. Bontaz-Carion,

T. d. Resseguier, Investigation of laser shock induced ductile damage at ultra-
high strain rate by using large scale MD simulations, AIP Cong.Proc. 1426
(2012) 1167–1170. doi:10.1063/1.3686487.
[142] L. Dupuy, E. Tadmor, R. Miller, R. Phillips, Finite-Temperature Quasicon-

tinuum: Molecular Dynamics without All the Atoms, Phys. Rev. Lett. 95 (6).
doi:10.1103/PhysRevLett.95.060202.
[143] B. Holian, Modeling shock-wave deformation via molecular dynamics, Phys.

Rev. A 37 (7) (1988) 2562–2568. doi:10.1103/PhysRevA.37.2562.
[144] M. M. Budzevich, V. V. Zhakhovsky, C. T. White, I. I. Oleynik, Evolution

of Shock-Induced Orientation-Dependent Metastable States in Crystalline
Aluminum, Phys. Rev. Lett. 109 (12). doi:10.1103/PhysRevLett.109.
125505.
[145] E. M. Bringa, J. U. Cazamias, P. Erhart, J. Stolken, N. Tanushev, B. D.

Wirth, R. E. Rudd, M. J. Caturla, Atomistic shock Hugoniot simulation of
single-crystal copper, J. Appl. Phys. 96 (7) (2004) 3793. doi:10.1063/1.
1789266.
151
[146] D. Tramontina, C. Ruestes, Y. Tang, E. Bringa, Orientation-dependent re-

sponse of defective Tantalum single crystals, Comp. Mater. Sci. 90 (2014)
82. doi:10.1016/j.commatsci.2014.03.069.
[147] C. Chen, G. Hu, J. Florando, M. Kumar, K. Hemker, K. Ramesh, Interplay

of dislocation slip and deformation twinning in tantalum at high strain rates,
Scripta Mater. 69 (10) (2013) 709–712. doi:10.1016/j.scriptamat.2013.
07.010.
[148] K. Lagerlof, On deformation twinning in b.c.c. metals, Acta Metall.Mater.

41 (7) (1993) 2143–2151. doi:10.1016/0956-7151(93)90384-5.
[149] J. Christian, S. Mahajan, Deformation twinning, Prog. Mater. Sci. 39 (1-2)

(1995) 1–157. doi:10.1016/0079-6425(94)00007-7.
[150] Y. Zhu, X. Liao, X. Wu, Deformation twinning in nanocrystalline materials,

Prog. Mater. Sci. 57 (1) (2012) 1–62. doi:10.1016/j.pmatsci.2011.05.
001.
[151] Y. Zhang, P. C. Millett, M. Tonks, S. Biner, Deformation twins in nanocrys-

talline body-centered cubic Mo as predicted by molecular dynamics simu-
lations, Acta Mater. 60 (18) (2012) 6421–6428. doi:10.1016/j.actamat.
2012.08.029.
[152] Y. Tang, E. M. Bringa, M. A. Meyers, Inverse HallPetch relationship in

nanocrystalline tantalum, Acta Mater. 580 (2013) 414–426. doi:10.1016/
j.msea.2013.05.024.
[153] A. Cao, Shape memory effects and pseudoelasticity in bcc metallic nanowires,
J. Appl. Phys. 108 (11) (2010) 113531. doi:10.1063/1.3506413.
[154] M. J. Suggit, A. Higginbotham, J. A. Hawreliak, G. Mogni, G. Kimminau,

P. Dunne, A. J. Comley, N. Park, B. A. Remington, J. S. Wark, Nanosecond
white-light Laue diffraction measurements of dislocation microstructure in
shock-compressed single-crystal copper, Nat. Comm. 3 (2012) 1224. doi:
10.1038/ncomms2225.
[155] B. Martorell, L. Vocadlo, J. Brodholt, I. G. Wood, Strong Premelting Ef-

fect in the Elastic Properties of hcp-Fe Under Inner-Core Conditions, Sci.
342 (6157) (2013) 466–468. doi:10.1126/science.1243651.
[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
[157] C. Y. Shi, L. Zhang, W. Yang, Y. Liu, J. Wang, Y. Meng, J. C. Andrews,

W. L. Mao, Formation of an interconnected network of iron melt at Earths
lower mantle conditions, Nat. Geosci. 6 (11) (2013) 971–975. doi:10.1038/
ngeo1956.
[158] S. Anzellini, A. Dewaele, M. Mezouar, P. Loubeyre, G. Morard, Melting of

Iron at Earth’s Inner Core Boundary Based on Fast X-ray Diffraction, Sci.
340 (6131) (2013) 464–466. doi:10.1126/science.1233514.
[159] J. H. Nguyen, N. C. Holmes, Melting of iron at the physical conditions of the

Earth’s core, Nat. 427 (6972) (2004) 339–342. doi:10.1038/nature02248.
[160] J. C. Boettger, D. C. Wallace, Metastability and dynamics of the shock-

induced phase transition in iron, Phys. Rev. B 55 (5) (1997) 2840–2849.
doi:10.1103/PhysRevB.55.2840.
[161] B. J. Jensen, G. T. Gray, R. S. Hixson, Direct measurements of the alpha-

epsilon transition stress and kinetics for shocked iron, J. Appl. Phys. 105 (10)
(2009) 103502. doi:10.1063/1.3110188.
[162] R. F. Smith, J. H. Eggert, R. E. Rudd, D. C. Swift, C. A. Bolme, G. W.

Collins, High strain-rate plastic flow in Al and Fe, J. Appl. Phys. 110 (12)
(2011) 123515. doi:10.1063/1.3670001.
[163] K. Kadau, T. Germann, P. Lomdahl, B. Holian, Atomistic simulations of

shock-induced transformations and their orientation dependence in bcc Fe
single crystals, Phys. Rev. B 72 (6) (2005) 064120. doi:10.1103/PhysRevB.
72.064120.
[164] K. Kadau, T. Germann, P. Lomdahl, R. Albers, J. Wark, A. Higginbotham,

B. Holian, Shock Waves in Polycrystalline Iron, Phys. Rev. Lett. 98 (13)
(2007) 135701. doi:10.1103/PhysRevLett.98.135701.
[165] B. T. Wang, J. L. Shao, G. C. Zhang, W. D. Li, P. Zhang, Nucleation of hcp

and fcc phases in bcc iron under uniform compression: classical molecular
dynamics simulations, J. Phys. Condes. Mat. 22 (43) (2010) 435404. doi:
10.1088/0953-8984/22/43/435404.
[166] p219-Atomistic Simulation of Materials, in: V. Vitek, D. J. Srolovitz (Eds.),

Atomistic Simulation of Materials, Springer US, Boston, MA, 1989, p. 219.
[167] J. A. Hawreliak, B. El-Dasher, H. Lorenzana, G. Kimminau, A. Higgin-

botham, B. Nagler, S. M. Vinko, W. J. Murphy, T. Whitcher, J. S. Wark,
S. Rothman, N. Park, In situ x-ray diffraction measurements of the c/a ratio
in the high-pressure phase of shock-compressed polycrystalline iron, Phys.
Rev. B 83 (14) (2011) 144114. doi:10.1103/PhysRevB.83.144114.
153
[168] N. Gunkelmann, E. M. Bringa, K. Kang, G. J. Ackland, C. J. Ruestes,

H. M. Urbassek, Polycrystalline iron under compression: Plasticity and phase
transitions, Phys. Rev. B 86 (14). doi:10.1103/PhysRevB.86.144111.
[169] D. Milathianaki, S. Boutet, G. J. Williams, A. Higginbotham, D. Ratner,

A. E. Gleason, M. Messerschmidt, M. M. Seibert, D. C. Swift, P. Hering,
J. Robinson, W. E. White, J. S. Wark, Femtosecond Visualization of Lat-
tice Dynamics in Shock-Compressed Matter, Sci. 342 (6155) (2013) 220–223.
doi:10.1126/science.1239566.
[170] J. C. Crowhurst, B. W. Reed, M. R. Armstrong, H. B. Radousky, J. A.

Carter, D. C. Swift, J. M. Zaug, R. W. Minich, N. E. Teslich, M. Kumar,
The alpha-epsilon phase transition in iron at strain rates up to 10ˆ9 1/s, J.
Appl. Phys. 115 (11) (2014) 113506. doi:10.1063/1.4868676.
[171] L. Malerba, M. Marinica, N. Anento, C. Bjrkas, H. Nguyen, C. Domain,

F. Djurabekova, P. Olsson, K. Nordlund, A. Serra, D. Terentyev, F. Willaime,
C. Becquart, Comparison of empirical interatomic potentials for iron applied
to radiation damage studies, J. Nucl. Mater. 406 (1) (2010) 19–38. doi:
10.1016/j.jnucmat.2010.05.017.
[172] A. Machov, G. J. Ackland, Dynamic overshoot in -iron by atomistic sim-

ulations, Model. Simul. Mater. Sc. 6 (5) (1998) 521–542. doi:10.1088/
0965-0393/6/5/002.
[173] G. J. Ackland, M. I. Mendelev, D. J. Srolovitz, S. Han, A. V. Barashev, De-

velopment of an interatomic potential for phosphorus impurities in -iron, J.
Phys. Condes. Mat. 16 (27) (2004) S2629–S2642. doi:10.1088/0953-8984/
16/27/003.
[174] M. I. Mendelev, S. Han, D. J. Srolovitz, G. J. Ackland, D. Y. Sun,

M. Asta, Development of new interatomic potentials appropriate for crys-
talline and liquid iron, Philos. Mag. 83 (35) (2003) 3977–3994. doi:
10.1080/14786430310001613264.
[175] A. Frseth, H. Van Swygenhoven, P. Derlet, Developing realistic grain bound-

ary networks for use in molecular dynamics simulations, Acta Mater. 53 (18)
(2005) 4847–4856. doi:10.1016/j.actamat.2005.06.032.
[176] R. F. Smith, J. H. Eggert, D. C. Swift, J. Wang, T. S. Duffy, D. G. Braun,

R. E. Rudd, D. B. Reisman, J.-P. Davis, M. D. Knudson, G. W. Collins,
Time-dependence of the alpha to epsilon phase transformation in iron, J.
Appl. Phys. 114 (22) (2013) 223507. doi:10.1063/1.4839655.
154
[177] G. Kimminau, B. Nagler, A. Higginbotham, W. J. Murphy, N. Park,

J. Hawreliak, K. Kadau, T. C. Germann, E. M. Bringa, D. H. Kalan-
tar, H. E. Lorenzana, B. A. Remington, J. S. Wark, Simulating picosec-
ond x-ray diffraction from shocked crystals using post-processing molecu-
lar dynamics calculations, J. Phys. Condes. Mat. 20 (50) (2008) 505203.
doi:10.1088/0953-8984/20/50/505203.
[178] J. Hawreliak, J. Colvin, J. Eggert, D. Kalantar, H. Lorenzana, J. S. Stlken,

H. Davies, T. Germann, B. Holian, K. Kadau, P. Lomdahl, A. Higginbotham,
K. Rosolankova, J. Sheppard, J. Wark, Analysis of the x-ray diffraction signal
for the alpha-epsilon transition in shock-compressed iron: Simulation and
experiments, Phys. Rev. B 74 (18) (2006) 184107. doi:10.1103/PhysRevB.
74.184107.
[179] A. Stukowski, V. V. Bulatov, A. Arsenlis, Automated identification and in-

dexing of dislocations in crystal interfaces, Model. Simul. Mater. Sc. 20 (8)
(2012) 085007. doi:10.1088/0965-0393/20/8/085007.

Materiales Sometidos A Condiciones Extremas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Materiales Sometidos A Condiciones Extremas

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE CUYO

Materiales Sometidos a Condiciones Extremas

Ing. Diego Ramiro Tramontina

Dr. Eduardo Marcial Bringa

A mi esposa Gabriela, por su compañı́a y apoyo incondicional.

”Deseo que mi paı́s contribuya al desarrollo cientı́fico

Vita y Publicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viii

Capı́tulo 4 Compresión uniaxial de muestras monocristalinas . . . . . . . 50

Capı́tulo 5 Plasticidad inducida por ondas de choque en Ta . . . . . . . . 70

Capı́tulo 6 Ondas de choque en Fe policristalino . . . . . . . . . . . . . . 91

Capı́tulo 7 Notas Finales . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

Apéndice A Publicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

Apéndice B Algunos códigos desarrollados para este trabajo . . . . . . . . 116

2001 Ingeniero Industrial, Universidad Nacional de Cuyo, Men-

2011 Profesor Asistente de Matemática, Facultad de Ingenierı́a,

2013 Profesor Asistente de Biomateriales, Universidad de Men-

2014 Doctor en Ingenierı́a, Universidad Nacional de Cuyo, Men-

C.J. Ruestes, D.R.Tramontina, E.M. Bringa, ”Impact studies with peridynamics”,

D.R.Tramontina et al., ”Molecular dynamics simulations of shock-induced plastic-

E.Millán, D.Tramontina, E.M.Bringa, ”Parametric study of the plastic threshold

N. Gunkelmann, D.R. Tramontina et al., ”Shock waves in polycrystalline iron:

D.R. Tramontina, C.J. Ruestes, Y. Tang, E.M. Bringa, ”Orientation-dependent re-

C. Ruestes, A. Stukowski, Y. Tang, D.R. Tramontina et al., ”Atomistic Simulation

N. Gunkelmann, D.R. Tramontina et al., ”Interplay of plasticity and phase trans-

Y.Gao, C.J.Ruestes, D.R.Tramontina, H.Urbassek, ”Comparative simulation study

E. Figueroa, D.R. Tramontina, G. Gutierrez, E.M. Bringa, ”Softening and hard-

E. Figueroa, D.R. Tramontina, G. Gutierrez, E.M. Bringa, ”Onset of stacking

Materiales Sometidos a Condiciones Extremas

Ing. Diego Ramiro Tramontina

Universidad Nacional de Cuyo, Mendoza, Argentina, 2014

Dr. Eduardo Marcial Bringa, Director

Los materiales sometidos a condiciones extremas de presión y temperatura

1.1 Relevancia y Antecedentes

fenómenos atomı́sticos tienen un profundo impacto en las propiedades macro tales

la simulación de ondas de choque se emplean las primeras capas de átomos de

de choque de alta presión, en distintas direcciones de interés particular.

económicos[27]. No obstante, su gran estabilidad de fase y alto punto de fusión

2.2 La Dinámica Molecular

breve sobre este tema se presenta más adelante (2.2.2).

H(~r, p~) = K(~r) + U(~p) (2.1)

donde ~r = (r1 , r2 , .., rN ) son los vectores de posición de los N átomos,

el caso de sistemas nanoestructurados, las fuerzas se modelan teniendo en cuenta

salvo para los más livianos.

para elementos livianos tales como Li y Ar. La aproximación clásica tampoco es

Puede decirse además y en términos generales, que los lı́mites en cuanto a

2.2.2 Sobre las técnicas de integración numérica

simplecticidad, bajo orden de error y rapidez de convergencia. A continuación se

la diferencia con las cantidades calculadas en el primer paso. El valor resultante

2.2.3 Condiciones de borde

2.3 Potenciales Interatómicos

determinar la energı́a potencial de una partı́cula en función de su posición relativa

Como se comentó brevemente en el acápite anterior, la naturaleza cuántica

De esta manera pueden modelarse todos los tipos de interacción interatómica,

Enlaces covalentes La dinámica cuántica de los electrones juega un rol esencial

Enlaces Iónicos Este tipo de interacción se da comunmente en el caso de ma-

Enlaces de Van der Waals Esta interacción provee el mecanismo de ligadura

Puentes Hidrógeno Este tipo particular de interacción se produce entre átomos

Este es un clásico ejemplo de un potencial de a pares, es decir, que tiene

Figura 2.1: Potencial de Lennard-Jones

no es adecuado en casos donde se forman enlaces localicados fuertes, como en

• Para la mayorı́a de los materiales cúbicos, la relación entre las constantes

• La predicción de la energı́a de formación de vacancias es muy similar a la

• La distancia interatómica entre las primeras y segundas capas de átomos a lo