金属玻璃是一种新的无序结构材料,相较于晶体材料,它有着诸多优异的力学性能,比如极高的弹性极限和强度等。然而在室温下,金属玻璃的塑性变形主要集中在剪切带中,导致缺少明显的宏观拉伸塑性,这也严重制约了它的工程应用。因此我们需要更加深入地理解金属玻璃的塑性形变机制。由于非晶体系结构无序的本质特性,使得晶体中位错调制塑性变形的机制难以用在非晶体系中,至今为止,非晶体系的变形载体的形变机制仍不清晰。金属玻璃也为研究无序体系的塑性变形机制提供了模型材料体系。结合分子动力学模拟,我们研究了在外加恒定应变下,金属玻璃的变形载体的激活模式与系统宏观物理量的联系;同时利用机器学习的方法,我们分别研究了在静态以及绝热剪切下,金属玻璃的重排与局域结构参量的联系。在静态情况下,金属玻璃的变形载体很难探测到,本文中我们对金属玻璃施加恒定拉伸应变,进而探测变形载体的特征与动力学行为。我们使用分子动力学模拟了应力弛豫的过程。我们直接观测到应变加速了金属玻璃的弛豫行为,主要来源于金属玻璃中的变形载体-流变单元的激活。同时我们还观测到在临界的外加应变附近,应力弛豫过程中的应力衰减度以及弛豫时间达到饱和,这对应了流变单元的激活模式由随机激活到协同性运动的转变。在静态条件下,我们成功地使用机器学习的方法探测金属玻璃以及过冷液体的局域结构,并识别出易于发生结构重排的类液原子。同时我们还发现这些类液原子与其他原子在结构上的区别超越了短程序。我们进一步通过改变截断距离重新定义了结构熵,证实了该结构参量定义时截断距离需要超过第一近邻才是合理的。我们的结果显示金属玻璃体系中的结构重排事件是具有结构起源的,同时预测重排事件的结构参数在定义时需要包含超越短程序的原子。在绝热剪切条件下,为了表征局域结构参量预测塑性重排的能力,我们使用机器学习的方法定量化了局域结构参量对重排事件的预测能力。我们发现能够反应动力学信息的结构参量具有最好的预测重排的能力,这些结构参量包括“参与度”以及“振动均方位移”。同时我们还发现使用机器学习方法仅从结构定义的“软度”也具有很强的预测变形载体的能力。