题  目：Atomistic modeling of hydrogen impact on metals（氢对金属影响的原子尺度模拟）

时  间：2025年9月13日9:30-10:30

地  点：交通大楼604会议室

报告人：尾方成信（Shigenobu Ogata）教授

欢迎广大师生参加！

土木与交通学院

2025年9月4日

报告人简介：

       尾方成信（Shigenobu Ogata），日本大阪大学机械科学与生物工程系正教授，于1998年获大阪大学机械工程博士学位，2001年至2002年在麻省理工学院核科学与工程系担任访问研究员。现任《Progress in Materials Science》（IF: 40）期刊编辑。其团队致力于开发可靠的理论模型与神经网络模型，用于描述固体材料中出现的多种非线性多尺度/多物理现象，并以此实现原子级别可控的变形过程与新型功能材料的预测性设计。研究方向涉及非晶变形、晶体强度、位错与扩散驱动变形、氢脆等方面。已发表 240 余篇论文，据 GoogleScholar 统计，其论文被引 10900余次。

报告摘要：

       The study of hydrogen's effect on the deformation mechanisms of metals remains challenging due to difficulties in direct observation. Atomistic simulations have become key to probing hydrogen-induced deformation and fracture, relying critically on accurate atomic interaction descriptions. Recent advancements include the proposal of artificial neural network (ANN) atomic interactions for the iron-hydrogen binary system, trained using a dataset based on Density Functional Theory (DFT) calculations of energy, force, and structure. These ANN atomic interactions combine the computational efficiency of empirical models with the accuracy and transferability of DFT, allowing for a quantitative elucidation of phenomena contributing to hydrogen embrittlement. This has led to a clearer understanding of how hydrogen influences vacancy movement, dislocation activities, and the mechanisms behind crack formation at both grain boundaries and within grains.

       由于难以直接观察，研究氢对金属变形机制的影响仍然是一项挑战。原子模拟已成为探究氢致变形与断裂的关键手段，其有效性高度依赖于对原子相互作用的准确描述。最新进展包括针对铁氢二元系统提出了人工神经网络（ANN）原子相互作用势，该势函数基于密度泛函理论（DFT）计算得到的能量、力和结构数据进行训练。这些ANN原子相互作用势既兼具经验模型的计算效率，又保持了DFT的准确性和可转移性，从而能够定量阐释氢脆现象背后的机理。由此，研究对氢如何影响空位迁移、位错活动以及晶界和晶内裂纹的形成机制有了更清晰的认识。