Metallic glass is an amorphous material which is composed of metal atoms. Although metallic glasses exhibit superior mechanical properties, the nature of catastrophic failure accompanied with shear band still remains poorly understood. Shear transformation zone(STZ) is known as the basic plasticity carriers for the macroscopic mechanical behavior of the metallic glass. Recently, it was reported that some atomic properties are highly related with the initial STZ events. In this work, by using the correlation between initial atomic properties and STZ events, prediction of STZ events in $Cu_{64}Zr_{36}$ metallic glass is conducted. Models were trained by using 3 different machine learning algorithms from various atomic properties calculated by molecular dynamics simulation. Finally, it is identified that although it is true that STZ activated atoms have featural atomic properties, the reverse is not established, and also there is a limit to the prediction of STZ events by only using the atomic properties so far known.
메탈릭 글래스는 금속 원자들의 비정질적인 구조로 이루어진 물질이다. 이는 우수한 기계적 특성을 가졌지만 전단 밴드를 동반한 갑작스러운 파괴거동으로 인해 활용이 제한되고 있다. 전단변형영역은 메탈릭 글래스의 기초적인 소성변형으로 알려져 있다. 최근 다양한 원자적 특성들이 초기에 발생한 국부적인 전단 변형 발생과 관련되어 있다고 발표되었다. 따라서 본 연구에서는 $Cu_{64}Zr_{36}$ 메탈릭 글래스 내부 원자들의 다양한 원자적 특성들을 통해 어떤 원자들에서 국부적인 전단 변형이 발생하는지 예측을 하는 연구가 수행되었다. 분자동역학 시뮬레이션을 통해 계산한 다양한 원자적 특성으로부터 머신러닝 알고리즘을 통해 국부적인 전단 변형을 예측하였다. 결과적으로, 국부적인 전단 변형이 발생한 원자들이 특징적인 원자적 특성을 가지는 것은 사실이지만, 특징적인 원자적 특성을 가지는 원자들이 국부적인 전단 변형이 발생한다는 역은 성립하지 않음을 확인하였고, 명확한 국부적인 전단 변형의 예측을 위해서는 지금까지의 알려진 원자적 특성들로는 한계가 존재함을 밝혀내었다.
