A nuclear-quantum-corrected machine-learning potential reveals quantum-enhanced hydrogen segregation at general grain boundaries in α-iron
Este estudio introduce un potencial de aprendizaje automático con corrección de efectos cuánticos nucleares (NQC-PACE) para el hierro- que aprovecha las fuerzas medias cuánticas para simular eficientemente sistemas a gran escala, revelando que los efectos cuánticos nucleares aumentan significativamente la segregación de hidrógeno en bordes de grano generales a través de la estabilización selectiva de entornos locales abiertos y anisotrópicamente blandos.