🔬 materials science

Hydrogen diffusion in TiCr $_2$ H $_x$ Laves phases: A combined ab initio and machine-learning-potential study

यह अध्ययन TiCr $_2$ लैव्स चरणों में हाइड्रोजन विसरण की जांच करने के लिए घनत्व कार्यात्मक सिद्धांत (डेंसिटी फंक्शनल थ्योरी) और मशीन लर्निंग पोटेंशियल को संयोजित करता है, जो यह प्रकट करता है कि माइग्रेशन बैरियर बॉन्ड-ब्रेकिंग आवश्यकताओं पर निर्भर करते हैं, विसरण गैर-मोनोटोनिक सांद्रता निर्भरता प्रदर्शित करता है, और प्रयोगात्मक विसंगतियां संभवतः दोष-प्रेरित हाइड्रोजन ट्रैपिंग के कारण होती हैं।

मूल लेखक: Pranav Kumar, Fritz Körmann, Kaveh Edalati, Blazej Grabowski, Yuji Ikeda

प्रकाशित 2026-02-26

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Pranav Kumar, Fritz Körmann, Kaveh Edalati, Blazej Grabowski, Yuji Ikeda

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

🚀 बड़ी तस्वीर: धातु के भीतर हाइड्रोजन का "ट्रैफिक जाम"

कल्पना कीजिए कि आपके पास एक धातु का स्पंज है (विशेष रूप से, TiCr₂ नामक एक मिश्र धातु) जिसे पानी सोखने वाले स्पंज की तरह हाइड्रोजन गैस को सोखने के लिए डिज़ाइन किया गया है। कारों और पावर प्लांटों के लिए स्वच्छ हाइड्रोजन ईंधन बनाने के लिए यह एक प्रमुख तकनीक है।

लेकिन एक पेंच है: स्पंज के काम करने के लिए, हाइड्रोजन परमाणुओं को धातु के अंदर तेज़ी से आने-जाने (move around) में सक्षम होना चाहिए। यदि वे फंस जाते हैं, तो ईंधन टैंक बहुत धीरे भरता है, या कार उतनी तेज़ी से ऊर्जा रिलीज़ नहीं कर पाती।

यह शोध पत्र इस विशिष्ट धातु स्पंज के भीतर हाइड्रोजन परमाणुओं के लिए एक "ट्रैफिक रिपोर्ट" की तरह है। शोधकर्ताओं ने सुपर-कंप्यूटरों का उपयोग करके यह देखा कि हाइड्रोजन कैसे चलता है, उसकी गति क्या है, और वह कहाँ फंस जाता है।

🔍 उपकरण: "क्रिस्टल बॉल" और "आभासी प्रयोगशाला"

इसे समझने के लिए, वैज्ञानिकों ने दो शक्तिशाली उपकरणों का उपयोग किया:

DFT (डेंसिटी फंक्शनल थ्योरी): इसे एक हाई-रिज़ॉल्यूशन माइक्रोस्कोप के रूप में सोचें। यह उन्हें यह देखने की अनुमति देता है कि व्यक्तिगत परमाणु कैसे परस्पर क्रिया करते हैं, लेकिन यह इतना विस्तृत है कि इसे चलाना बेहद धीमा है। आप केवल पानी की एक छोटी बूंद को एक पल के लिए देख सकते हैं।
MLIPs (मशीन लर्निंग पोटेंशियल): यह जादुई शॉर्टकट है। वैज्ञानिकों ने कंप्यूटर को "माइक्रोस्कोप" (DFT) के नियमों को सीखने के लिए प्रशिक्षित किया। एक बार जब कंप्यूटर ने नियम सीख लिए, तो वह लाखों परमाणुओं की गति का अनुकरण (simulate) कर सकता था, बिल्कुल एक वीडियो गेम की तरह, लेकिन वास्तविक भौतिकी (physics) के साथ।

उन्होंने सर्वश्रेष्ठ परिणाम पाने के लिए इन दोनों को मिलाया: माइक्रोस्कोप की सटीकता और वीडियो गेम की गति।

🛣️ रोडमैप: दो प्रकार की लेन

धातु के स्पंज के भीतर, खाली जगहें (इंटरस्टिशियल साइट्स) होती हैं जहाँ हाइड्रोजन परमाणु बैठ सकते हैं। शोधकर्ताओं ने पाया कि हाइड्रोजन यात्रा करने के लिए दो मुख्य प्रकार के "मार्ग" हैं:

"आसान" लेन (Cr-H बॉन्ड्स): इन रास्तों में क्रोमियम के साथ एक बंधन (bond) को तोड़ना शामिल है। यह एक चिकके, समतल फुटपाथ पर चलने जैसा है। इसमें बहुत कम ऊर्जा लगती है।
"कठिन" लेन (Ti-H बॉन्ड्स): इन रास्तों में टाइटेनियम के साथ एक बंधन को तोड़ना शामिल है। यह गाढ़े कीचड़ में चलने या एक खड़ी पहाड़ी पर चढ़ने जैसा है। इसमें बहुत अधिक ऊर्जा लगती है।

खोज: हाइड्रोजन परमाणु समझदार होते हैं। वे लगभग हमेशा "आसान" लेन को चुनते हैं। वे "कठिन" लेन से तब तक बचते हैं जब तक कि उनके पास कोई दूसरा विकल्प न हो।

🏰 पड़ोस: हेक्सागोनल रिंग्स (षटकोणीय छल्ले)

धाटक की संरचना एक ऐसे शहर की तरह दिखती है जो हेक्सागोनल रिंग्स (मधुमक्खी के छत्ते की तरह) से बना है।

रिंग के अंदर: हाइड्रोजन परमाणु एक ही रिंग के अंदर बहुत आसानी से इधर-उधर घूम सकते हैं।
रिंग्स के बीच: एक रिंग से पड़ोसी रिंग में कूदने के लिए, हाइड्रोजन को एक "कठिन" बंधन (टाइटेनियम वाला) तोड़ना पड़ता है। यही बाधा (bottleneck) है।

उपमा: एक ऐसे शहर की कल्पना करें जहाँ लोग अपने ही पड़ोस (रिंग) के भीतर स्वतंत्र रूप से दौड़ सकते हैं, लेकिन अपने पड़ोस को छोड़कर अगले पड़ोस में जाने के लिए, उन्हें एक ऊँची दीवार चढ़नी पड़ती है। अधिकांश लोग अपने ही पड़ोस में रहते हैं जब तक कि उन्हें वास्तव में बाहर जाने की आवश्यकता न हो।

🚦 ट्रैफिक प्रवाह: "गोल्डिलॉक्स" ज़ोन (सही संतुलन)

सबसे दिलचस्प खोज यह है कि हाइड्रोजन की मात्रा गति को कैसे प्रभावित करती है। यह एक सीधी रेखा नहीं है; यह एक वक्र (curve) है।

बहुत खाली (कम हाइड्रोजन): हाइड्रोजन परमाणु अकेले हैं। वे अपने स्थानों पर बैठे रहते हैं और बहुत अधिक नहीं हिलते क्योंकि हिलने के लिए कोई दबाव नहीं है।
बिल्कुल सही (मध्यम हाइड्रोजन): जैसे-जैसे आप अधिक हाइड्रोजन जोड़ते हैं, परमाणु एक-दूसरे से टकराने लगते हैं। यह "टकराव" एक हल्के धक्के की तरह काम करता है। यह उन्हें दीवारों के ऊपर से कूदने और तेज़ी से चलने में मदद करता है। यही सबसे तेज़ बिंदु है!
बहुत भीड़भाड़ (उच्च हाइड्रोजन): यदि आप स्पंज को बहुत अधिक भर देते हैं, तो यह एक ट्रैफिक जाम बन जाता है। हाइड्रोजन परमाणु इतने घने हो जाते हैं कि वे बिल्कुल भी नहीं हिल पाते। वे एक "ट्रैफिक जाम" में फंस जाते हैं क्योंकि कूदने के लिए खाली जगह नहीं होती।

रूपक: एक डांस फ्लोर के बारे में सोचें।

खाली: कोई नाच नहीं रहा है।
मध्यम: लोग एक-दूसरे से टकरा रहे हैं, जिससे वे तेज़ी से घूमने और नाचने लगते हैं।
अत्यधिक भीड़: हर कोई इतना सटा हुआ है कि वे एक इंच भी नहीं हिल सकते।

📉 रहस्य: वास्तविक दुनिया धीमी क्यों है?

कंप्यूटर सिमुलेशन ने हाइड्रोजन को बहुत तेज़ी से चलते हुए दिखाया (वास्तविक दुनिया के कुछ प्रयोगों की तुलना में लगभग 10 गुना तेज़)। अंतर क्यों है?

शोधकर्ताओं ने महसूस किया कि वास्तविक जीवन में, धातु का स्पंज आदर्श नहीं होता है। इसमें दोष (defects) होते हैं (जैसे गायब परमाणु या गलत जगह पर स्थित परमाणु)।

उपमा: एक हाईवे की कल्पना करें जिसमें एकदम सटीक लेन (कंप्यूटर मॉडल) है। लेकिन वास्तव में, वहां गड्ढे और निर्माण कार्य (दोष) हैं। हाइड्रोजन परमाणु इन गड्ढों में फंस जाते हैं, जिससे पूरे ट्रैफिक का प्रवाह धीमा हो जाता है।

कंप्यूटर मॉडल ने एक आदर्श धातु को माना था, इसीलिए इसने तेज़ गति की भविष्यवाणी की। वास्तविक धातु में मौजूद "गड्ढे" बाधाओं के रूप में कार्य करते हैं।

💡 यह क्यों मायने रखता है?

यह अध्ययन बेहतर हाइड्रोजन ईंधन टैंक बनाने के लिए एक ब्लूप्रिंट है।

यह समझकर कि हाइड्रोजन वास्तव में कैसे चलता है, इंजीनियर ऐसे मिश्र धातु (alloys) डिज़ाइन कर सकते हैं जिनमें कम "गड्ढे" (दोष) हों या ऐसी संरचनाएं हों जो "आसान लेन" को बढ़ावा दें।
वे यह पता लगा सकते हैं कि सबसे तेज़ चार्जिंग और डिस्चार्जिंग गति प्राप्त करने के लिए हाइड्रोजन की कितनी मात्रा भरना बिल्कुल सही है।

संक्षेप में, वैज्ञानिकों ने धातु में हाइड्रोजन के लिए ट्रैफिक के नियमों का नक्शा बनाया। उन्होंने पाया कि बहुत अधिक हाइड्रोजन जाम पैदा करता है, लेकिन बिल्कुल सही मात्रा एक सुचारू और तेज़ प्रवाह बनाती है। यह ज्ञान हमें भविष्य के लिए बेहतर, तेज़ और स्वच्छ ऊर्जा भंडारण बनाने में मदद करता है।

यहाँ शोध पत्र "Hydrogen diffusion in TiCr2Hx Laves phases: A combined ab initio and machine-learning-potential study" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

$AB_2$ लैव्स फेज (Laves phase), विशेष रूप से टाइटेनियम-क्रोमियम ( $TiCr_2$ ) पर आधारित हाइड्रोजन भंडारण मिश्र धातुएं, ठोस-अवस्था हाइड्रोजन भंडारण के लिए आशाजनक उम्मीदवार हैं। हालाँकि, इन सामग्रियों का गतिज प्रदर्शन (kinetic performance) हाइड्रोजन प्रसार (diffusion) द्वारा नियंत्रित होता है, जो निम्नलिखित कारणों से जटिल है:

संरचनात्मक जटिलता: $TiCr_2$ दो बहुरूपों (polymorphs) में मौजूद है: क्यूबिक C15 और हेक्सागोनल C14, जिनमें कई सममित रूप से भिन्न इंटरस्टिशियल साइट्स (interstitial sites) होती हैं।
सांद्रता निर्भरता (Concentration Dependence): हाइड्रोजन सांद्रता ( $TiCr_2H_x$ में $x$ ) के साथ प्रसार व्यवहार महत्वपूर्ण रूप से बदल जाता है, लेकिन इसे $0 < x \le 4$ की विस्तृत सीमा में मात्रात्मक रूप से मैप नहीं किया गया है।
कम्प्यूटेशनल सीमाएँ: पारंपरिक डेंसिटी फंक्शनल थ्योरी (DFT) सटीक प्रसार गुणांक (diffusion coefficient) की गणना के लिए आवश्यक लंबे समय और बड़े लंबाई के पैमाने को सिम्युलेट करने के लिए बहुत अधिक कम्प्यूटेशनल रूप से महंगी है, विशेष रूप से उच्च हाइड्रोजन सांद्रता पर जहाँ many-body इंटरैक्शन होते हैं।
प्रायोगिक विसंगतियाँ: प्रयोगात्मक सक्रियण ऊर्जा (activation energies) 0.2 eV से 0.6 eV तक भिन्न होती है, और प्रयोगात्मक प्रसार गुणांक अक्सर सैद्धांतिक भविष्यवाणियों से एक क्रम (order of magnitude) अधिक या कम होते हैं, जिसका कारण वास्तविक नमूनों में गैर-स्टोइकीओमेट्री (non-stoichiometry) और दोष (defects) हैं।

2. कार्यप्रणाली (Methodology)

यह अध्ययन DFT और मशीन लर्निंग इंटरएटोमिक पोटेंशियल (MLIPs) को संयोजित करने वाले एक मल्टी-स्केल दृष्टिकोण का उपयोग करता है:

DFT गणना (स्थैतिक):
- बाइंडिंग ऊर्जा और माइग्रेशन बैरियर की गणना करने के लिए VASP (PBE-GGA के साथ) का उपयोग किया गया।
- प्रथम-निकटतम (1NN) फेस-शेयरिंग इंटरस्टिशियल साइटों के बीच सभी सममित रूप से असमान माइग्रेशन पथों के न्यूनतम ऊर्जा पथों को निर्धारित करने के लिए जनरलाइज्ड सॉलिड-स्टेट नज़ेड एलब बैंड (G-SSNEB) विधि का उपयोग किया गया।
- विरल सीमाओं (dilute limits - एकल H परमाणु) और विशिष्ट बॉन्ड-ब्रेकिंग परिदृश्यों (Ti–H बनाम Cr–H) का विश्लेषण किया गया।
मशीन लर्निंग पोटेंशियल (MLIPs):
- DFT डेटा पर प्रशिक्षित मोमेंट टेंसर पोटेंशियल (MTPs) का उपयोग किया गया।
- एक्टिव लर्निंग/फाइन-ट्यूनिंग: मूल C14-MTP उच्च हाइड्रोजन सांद्रता ( $x \ge 3.5$ ) पर अस्थिर था। लेखकों ने एक पुनरावृत्ति (iterative) एक्टिव लर्निंग प्रोटोकॉल लागू किया: MD चलाना, उच्च एक्सट्रैपोलेशन ग्रेड (कम आत्मविश्वास का संकेत) वाले कॉन्फ़िगरेशन की पहचान करना, उनके DFT ऊर्जा/बल की गणना करना और MTP को फिर से प्रशिक्षित करना। इसके परिणामस्वरूप एक मजबूत C14-MTP प्राप्त हुआ जो $x=4$ तक सिमुलेशन करने में सक्षम है।
- C15-MTP को किसी फाइन-ट्यूनिंग की आवश्यकता नहीं थी क्योंकि यह $x=4$ तक स्थिर रहा।
मॉलिक्यूलर डायनेमिक्स (MD) सिमुलेशन:
- प्रशिक्षित MTPs का उपयोग करके LAMMPS के माध्यम से किए गए।
- सिस्टम आकार: सांख्यिकीय अभिसरण सुनिश्चित करने और परिमित-आकार प्रभावों (finite-size effects) को कम करने के लिए 6,000 धातु परमाणुओं (5 × 5 × 5 सुपरसेल्स) का उपयोग किया गया।
- स्थितियाँ: सिमुलेशन 250 K, 400 K, 500 K, 750 K, और 1000 K के तापमान और $0 < x \le 4$ हाइड्रोजन सांद्रता पर चलाए गए।
- विश्लेषण: मीन स्क्वेर्ड डिस्प्लेसमेंट (MSD) में सामान्य-प्रसार शासन ( $\alpha \approx 1$ ) में प्रसार गुणांक ( $D$ ) की गणना की गई। H–H इंटरैक्शन को समझने के लिए रेडियल डिस्ट्रीब्यूशन फंक्शन (RDF) का विश्लेषण किया गया।

3. मुख्य योगदान (Key Contributions)

व्यापक मैपिंग: दोनों C15 और C14 $TiCr_2$ चरणों के लिए पूर्ण स्टोइकीओमेट्रिक रेंज ( $0 < x \le 4$ ) में हाइड्रोजन प्रसार गुणांक की पहली व्यवस्थित गणना प्रदान की।
कार्यप्रणाली में प्रगति: उच्च-सांद्रता वाले शासन को संभालने के लिए एक्टिव लर्निंग के माध्यम से MLIPs को फाइन-ट्यून करने के सफल वर्कफ़्लो को प्रदर्शित किया, जिससे विश्वसनीय MD सिमुलेशन संभव हुआ।
मैकेनिस्टिक अंतर्दृष्टि: क्रिस्टल संरचना (C15 बनाम C14) और हाइड्रोजन सांद्रता के प्रभावों को अलग किया, जिससे H–H प्रतिकर्षण (repulsion) की विशिष्ट भूमिका का पता चला।

4. मुख्य परिणाम (Key Results)

A. माइग्रेशन बैरियर्स और बॉन्ड ब्रेकिंग

बॉन्ड आत्मीयता (Bond Affinity): Cr की तुलना में Ti की H के प्रति बहुत अधिक रासायनिक आत्मीयता है। Ti–H बॉन्ड को तोड़ने के लिए Cr–H बॉन्ड (90–186 meV) की तुलना में बहुत अधिक ऊर्जा (285–801 meV) की आवश्यकता होती है।
पथ प्राथमिकता (Path Preference): हाइड्रोजन माइग्रेशन मुख्य रूप से उन पथों द्वारा संचालित होता है जो Cr–H बॉन्ड को तोड़ते हैं। Ti–H बॉन्ड तोड़ने वाले पथ ऊर्जा की दृष्टि से प्रतिकूल हैं।
साइट प्राथमिकता: हाइड्रोजन $AB_3$ और $B_4$ साइटों की तुलना में $A_2B_2$ (Ti $_2$ Cr $_2$ ) इंटरस्टिशियल साइटों को प्राथमिकता देता है। C14 में, 6h2 साइट सबसे स्थिर है।
नेटवर्क टोपोलॉजी: प्रसार मुख्य रूप से $A_2B_2$ साइटों के हेक्सागोनल रिंगों के भीतर होता है (इंट्रा-रिंग जंप, कम बैरियर)। रिंगों के बीच कूदना (इंटर-रिंग) Ti–H बॉन्ड को तोड़ने की आवश्यकता रखता है और इसमें उच्च बैरियर होता है।

B. सांद्रता निर्भरता (Concentration Dependence)

गैर-मोनोटोनिक व्यवहार: हाइड्रोजन सांद्रता ( $x$ $x$ ) के साथ प्रसार गुणांक ( $D$ $D$ ) एक गैर-मोनोटोनिक निर्भरता प्रदर्शित करता है:
- $x < 2$ : $x$ के साथ $D$ बढ़ता है। यह H–H प्रतिकर्षण इंटरैक्शन द्वारा संचालित है जो प्रभावी सक्रियण बाधा को कम कर देता है, जो माइग्रेशन के लिए एक प्रेरक बल के रूप में कार्य करता है।
- $x \approx 2$ : $D$ अपने अधिकतम स्तर पर पहुँच जाता है।
- $x > 2$ : $x$ के साथ $D$ घटता है। उच्च सांद्रता पर, H–H प्रतिकर्षण इतना प्रबल हो जाता है कि वह माइग्रेशन पथों को अवरुद्ध कर देता है (क्राउडिंग प्रभाव), जिससे प्रसार बाधित होता है।
तापमान प्रभाव: यह गैर-मोनोटोनिक रुझान कम तापमान (जैसे 400 K) पर अधिक स्पष्ट है और 1000 K पर कम स्पष्ट है।

C. संरचनात्मक अनिसोट्रॉपी (Anisotropy) और RDF

फेस-शेयरिंग से बचाव: RDF विश्लेषण दिखाता है कि हाइड्रोजन परमाणु 1NN फेस-शेयरिंग स्थितियों (दूरी ~1.6 Å) से प्रबल प्रतिकर्षण के कारण बचते हैं।
एज-शेयरिंग अधिभोग (Occupancy): जैसे-जैसे $x$ बढ़ता है, 2NN एज-शेयरिंग साइटों पर अधिभोग बढ़ता है, जो $x \approx 2$ पर प्रसार के शिखर (peak) से सहसंबंधित है।
अनिसोट्रॉपी: हालांकि C14 हेक्सागोनल है, लेकिन $\ge 400$ K के तापमान पर प्रसार अनिसोट्रॉपी नगण्य है। 250 K पर, [0001] अक्ष के लंबवत विशिष्ट रिंगों (6h1–6h2) में ट्रैपिंग के कारण प्रसार एनिसोट्रोपिक होता है।

D. प्रयोगों के साथ तुलना

सक्रियण ऊर्जा: गणना किए गए सक्रियण बैरियर (0.21–0.25 eV) स्टोइकीओमेट्रिक या निकट-स्टोइकीओमेट्रिक नमूनों के अधिकांश प्रयोगात्मक मानों (NMR, QENS) के साथ अच्छी तरह मेल खाते हैं।
प्रसार गुणांक विसंगति: सिम्युलेटेड $D$ $D$ मान कई प्रयोगात्मक परिणामों से लगभग एक क्रम (one order of magnitude) अधिक हैं।
- व्याख्या: लेखक इस अंतर का श्रेय प्रयोगात्मक गैर-स्टोइकीओमेट्रिक नमूनों (जैसे $TiCr_{1.8}$ या $TiCr_{1.9}$ ) में दोषों (defects) को देते हैं। Cr रिक्तियां (vacancies) और Ti एंटी-साइट्स हाइड्रोजन ट्रैप के रूप में कार्य करते हैं, जो वास्तविक सामग्रियों में गतिशीलता को धीमा कर देते हैं, जो आदर्श स्टोइकीओमेट्रिक सिमुलेशन में मौजूद नहीं है।

5. महत्व (Significance)

मौलिक समझ: यह अध्ययन स्पष्ट करता है कि लैव्स फेजों में हाइड्रोजन प्रसार केवल तापमान का कार्य नहीं है, बल्कि यह H–H प्रतिकर्षण इंटरैक्शन और इंटरस्टिशियल नेटवर्क की विशिष्ट टोपोलॉजी द्वारा महत्वपूर्ण रूप से नियंत्रित होता है।
डिजाइन दिशानिर्देश: यह निष्कर्ष कि $x \approx 2$ पर प्रसार चरम पर होता है, हाइड्रोजन भंडारण गतिज के लिए एक इष्टतम ऑपरेटिंग विंडो का सुझाव देता है।
डिफेक्ट इंजीनियरिंग: सिमुलेशन और प्रयोग के बीच की विसंगति हाइड्रोजन भंडारण प्रदर्शन में गैर-स्टोइकीओमेट्री और दोषों (रिक्तियों/एंटी-साइट्स) के महत्वपूर्ण प्रभाव को उजागर करती है। भविष्य के मिश्र धातु डिजाइन को गतिशीलता का सटीक अनुमान लगाने के लिए इन दोषों को ध्यान में रखना चाहिए।
कम्प्यूटेशनल फ्रेमवर्क: उच्च-सांद्रता प्रभावों को मानक पोटेंशियल के साथ मॉडल करना कठिन है, ऐसे अन्य जटिल हाइड्राइड सिस्टम का अध्ययन करने के लिए एक्टिव-लर्निंग फाइन-ट्यूनिंग वाला MLIP का उपयोग एक मजबूत टेम्पलेट प्रदान करता है।