扫描电镜结合机器学习，用于宏观纳米原子尺度的材料研究( 二 ) 编辑/凯霞了解材料的特性需要

接下来对碳化物周围的位错结构进行了详细检查，注意检查具有代表在高通量SEM观察中识别的碳化物的尺寸、形状和位置的碳化物。

文章图片
M23C6碳化物的显微组织及其与周围基体的关系。
将观察到的结果与高通量SEM数据相结合，表明随着M23C6碳化物尺寸的增加，它们的形状变成多面，并通过M23C6/界面连接到基体。在整个蠕变期间，这些界面很重要，因为它们是位错运动的障碍。
在此认识的基础上，研究人员还进行了STEM实验，通过在原子尺度上分析M23C6/界面来解释M23C6碳化物与基体之间的关系。
根据对五个深蚀刻样品的另一组高通量SEM观察和样品SA5的STEM高角度环形暗场观察，四种典型类型发现了多面体M23C6碳化物的数量，由三种类型的相干M23C6/界面定义。
可以得出结论，蠕变过程中发生的碳化物变化对本高温合金的蠕变性能有积极影响。
研究人员表示：「我们在此展示的综合结果验证了该技术在识别和区分微米或纳米级不同相方面的可行性和准确性，允许在广泛的长度范围内对实验数据进行收集后分析，从而将宏观纳米原子实验结果与性能联系起来。」
正如本研究中所展示的，结合SE/BSE高通量数据收集的能力，有望广泛用于分析多相材料的结构-性能关系。此外，未来的应用可能需要与断层扫描技术相结合，以构建具有完整微观结构细节的样本规模三维（3D）模型。
论文链接：https://www.science.org/doi/10.1126/sciadv.abj8804
人工智能×[生物神经科学数学物理材料]
「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。
【扫描电镜结合机器学习，用于宏观纳米原子尺度的材料研究】欢迎关注标星，并点击右下角点赞和在看。