跳到主要内容

主题

物态

物态

机器学习可找出高压冰相中的差异

冰块
冰块。 (由iStock / ninikas提供)

尽管地球上几乎所有的冰都具有六边形结构,但已知至少存在17种类型的冰,每种类型的冰具有不同的分子排列。但是,大多数这些新颖的变体都需要高压和受控温度的环境来形成,这使得它们难以直接研究。中国的一组研究人员现已使用第一性原理神经网络电位技术来区分几个高压水相。他们的发现加深了我们对这些相融化时所涉及的质子转移机制的理解,并且可能证明对行星科学以及基础物理学和化学很重要。

水在形成各种不同的结晶和无定形冰结构方面是独特的。它在冻结状态下的异常行为部分源于其两个氢原子之间的弱分子间键,后者被一个氧原子隔开。

研究最多的冰的一种替代形式被称为冰VII。这种奇异的以人体为中心的立方(bcc)晶相也被称为“热冰”,它可以在环境温度下,高于3 GPa的压力(大约是海平面大气压的3万倍)下形成。从理论上讲,这种形式的冰存在于地壳内的俯冲带和土星的冰月土卫六上。

phasediagram

另一种新颖的冰相,称为超离子冰或冰XVIII,存在于甚至更高的温度和1000开尔文和40 GPa的压力下。这种形式的冷冻水包含类似液态的氢离子(即质子),它们会迅速扩散通过氧原子的固体晶格。超离子冰可能构成天王星和海王星行星内部的很大一部分,而快速扩散的质子有助于产生这些“冰巨星”行星所特有的强而复杂的磁场。

冰VII到超离子冰

2005年,研究人员通过实验证实了冰VII可以在47 GPa和1000 K左右转化为超离子冰。他们还建议,这种转化是通过“动态”形式的冰VII进行的,其中质子比常规冰更无序。 VII,尽管仍然比超离子冰更局限。然而,事实证明,这种过渡很难使用传统的 从头开始 计算和力场分子建模方法。这是因为 从头开始 这些方法通常仅限于短时间周期和相对较小的超级电池模拟,而基于力场的技术无法解决与动态冰VII中质子扩散相关的化学键断裂的问题。

李新正北京大学 和他们的同事相信,他们现在已经通过应用基于神经网络潜力的替代建模技术克服了这个问题。他们的模型使用了流行的深度学习软件包( DeePMD套件)以创建与密度泛函理论(DFT)计算一样精确的大规模仿真,并且需要大致相同的计算时间和功能。

这些模拟的结果使研究人员能够在原子水平上探索高压水相的性质。他们发现,动态特征(例如氢和氧原子的扩散运动)对于区分几个微妙的和“非平凡的”冰相是必不可少的。

详细的相图

例如,在动力冰VII中,李的团队确定了两个微妙的阶段,分别称为动力冰VII T和动力冰VIIR。前者结合了质子的局部运动和横向转移,而后者还考虑了其​​旋转转移。他们还认为超离子相涉及在高于40 GPa的压力下冰VII的非平凡熔化。

Li认为,从冰VII到超离子冰的转变可以理解为当氧和氢原子在中等压力下同时从冰VII中的晶体位置逸出时发生的,就像固体结构突然破裂一样。在较高的压力下(高于40 GPa),氢原子首先熔化,然后是氧原子。

基于这些结果,研究人员绘制了详细的相图(请参见上图),他们说这将有助于理解高压下水的行为。 “对这张图进行详细说明的方法可以扩展到其他材料,甚至是那些被认为相对容易理解的材料,”李说。 物理世界.

该研究在 中国物理快报,由IOPP发布。

版权©2020年由IOP 出版 Ltd和个人贡献者