Overview of kinetic Monte Carlo methods used to simulate microstructural evolution of materials under irradiation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Kinetic Monte Carlo (KMC) methods are commonly used to simulate the microstructure evolution of metals under irradiation due to their ability to generate the random walks underlying defect-mediated diffusion processes at the atomic scale. However, the range of applicability of KMC methods is severely limited by the kinetic trapping of the simulated trajectories within low energy basins presenting small intra-basin barriers. This results in dramatically reducing the efficiency of the classical KMC algorithm. Kinetic trapping can be alleviated by implementing non-local jumps relying on the theory of absorbing Markov chains. A factorisation of an auxiliary absorbing transition matrix then allows to generate escaping paths and first-passage times out of trapping basins. Although, the speed-up can be of several orders of magnitudes, this is sometimes not enough for very long-term prediction. We must then turn to homogenised rate-equation formulation of the problem. Usually solved deterministically, the corresponding large ordinary differential equation system often suffers from the curse of dimensionality. Dedicated Monte Carlo schemes can simulate the coarse-grained rate equations based on a chemical master equation. Finally, we show the relevance of relaxing the rigid-lattice assumption in the calculation of the free energy barriers and attempt frequencies to capture elastic effects that are important for certain systems, such as high entropy alloys. The activation-relaxation technique can be used for this purpose in kinetic Monte Carlo studies of slow diffusion processes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle