Integration of a Structural Coherence Model with a Semi-Universal Machine Learning Interatomic Potential to Predict Molten Salt Thermal Conductivity

技術要約：溶融塩の熱伝導率予測に向けた、構造コヒーレンスモデルと準ユニバーサル機械学習原子間ポテンシャルの統合

問題提起
溶融塩を利用するエネルギー生成システム（特に溶融塩炉：MSR）の正確な設計と安全な運用には、不確実性を低く抑えた精密な熱物性特性のキャラクタリゼーションが必要である。硝酸塩は十分に特性化されている一方で、塩化物やフッ化物などのハロゲン塩は、高い融点、腐食性、および組成の複雑さ due to その複雑さゆえに大きな課題を抱えている。熱伝導率（$k$）に関する実験データは極めて乏しく、例えば、Molten Salt Databaseにおける976の塩組成のうち、熱伝導率の測定値が記録されているのはわずか32組成であり、平均的な不確実性は18%に達する。

これらのデータギャップを埋めるための既存の計算手法は、トレードオフに直面している。経験的ポテンシャルを用いた古典的な分子動力学（MD）法は、複雑な塩に対して必要な精度を欠くことが多く、また、ab initio 分子動力学（AIMD）や熱伝導率のための標準的なMD法（Green-Kubo法、非平衡MD法）は、大規模な系や長いタイムスケールに対して計算コストが非常に高い。さらに、動力学的理論モデル（KTM）のような解析モデルは、エネルギー担体の平均自由行程に関する過度に単純化された仮定に依存することが多く、予測値が低めに出る傾向がある。したがって、第一原理シミュレーションの精度と、解析モデルの計算効率を橋渡しし、多様な塩組成にわたって熱伝導率を予測できる手法が切実に求められている。

手法：ISM（Integrated SCM-MLIP）アプローチ
著者らは、統合された構造コヒーレンスおよび機械学習原子間ポテンシャル（ISM）ワークフローを提案している。このアプローチは、準ユニバーサル機械学習原子間ポテンシャル（MLIP）である「SuperSalt」と、一般化された動力学的理論に基づく構造コヒーレンスモデル（SCM）を組み合わせたものである。

このワークフローは、以下の動力学的理論の式を用いて、融点における熱伝導率（$k_{Tm}$）を予測する：
$$k = \frac{1}{3} C_p v_s \ell_{sc}$$
ここで、$C_p$ は体積比熱、$v_s$ は断熱音速、$\ell_{sc}$ は（従来の平均自由行程に代わる）構造コヒーレンス長である。

ISMワークフローは以下の手順で進行する：

1. 密度予測： 実験データが存在する場合はRedlich-Kisterモデルを用いて密度（$\rho$）を計算し、存在しない場合はSuperSalt MDシミュレーションを通じて計算する。密度は、$C_p$ および $v_s$ の重要な入力値となるためである。
2. SuperSalt MDによる物性生成： SuperSalt MLIP（Multi-layer Atomic Cluster Expansion ニューラルネットワーク）を用い、並列MDシミュレーションを実行して以下を決定する：
   • 体積比熱 ($C_p$)： NPTアンサンブルにおける温度スイープに伴うエンタルピー変化から導出。
   • 断熱音速 ($v_s$)： Virial応力の分散に関連付けるBrykの応力ゆらぎ法を用いて算出。
   • 部分対分布関数 (pPDF)： 溶融塩の短距離秩序を特徴付けるために生成。
   • 等温体積弾性率 ($K_T$)： 温度外挿をサポートするために算出。
3. 構造コヒーレンス長 ($\ell_{sc}$)： pPDFをSCMアルゴリズムを用いて解析する。このモデルは、異なるカチオン・アニオン鎖間の振動エネルギー伝達の阻害を考慮するフォノン伝達因子（$b_{PH}$）を含むデコヒーレンス因子を評価することで、構造コヒーレンスの程度を定量化する。
4. 温度外挿： 融点以上の温度における $k$ を予測するために、モデルは $C_p$、$K_T$、および熱膨張係数（$\alpha$）から導出されたグリュナイゼン・パラメータを用いて、$k_{Tm}$ を外挿するGheribiの温度依存関数（GTDF）を利用する。

主な貢献と結果

• 計算効率： ISMモデルは、同一のSuperSaltポテンシャルを用いた逆非平衡分子動力学（RNEMD）と比較して、大幅な計算コストの削減を実現した。ISMによる完全な予測には3基のH200 GPUで約3時間を要するのに対し、同等のRNEMDシミュレーションでは単一のGPUで平均60時間を要する。これは1〜2桁の高速化に相当する。
• 精度と検証：
  • モデルは、単一成分塩、二成分混合物（NaCl-KCl、MgCl$_2$-KCl）、および三成分混合物に対してテストされた。
  • 単一成分塩および一部の混合物において、ISMによる $k$ の予測は、実験データおよび従来のSCM予測と密接に一致している。
  • NaCl-KCl： モデルは組成にわたる傾向を捉えることに成功したが、共晶点における熱伝導率の極小値を、実験的な観察値よりも深く予測してしまう。この不一致は、フォノン伝達因子（$b_{PH}$）に起因しており、イオン質量が類似した混合物においてデコヒーレンスを過大評価している可能性がある。
  • MgCl$_2$-KCl： モデルは、Mg含有塩において、一部の文献値（例：GheribiのEMD予測）と比較して低い断熱音速（$v_s$）を予測しており、これが $k$ の低い予測につながっている。著者らは、これがMLIPの失敗ではなく、Mg$^{2+}$錯体のユニークな中間範囲秩序を反映している可能性を示唆している。
  • 高エントロピー混合物： モデルは、仮説的な11カチオンからなる「Big」塩に適用された。予測は妥当であったものの、$v_s$ に高い分散が見られた。これは、高度に無秩序な系では、収束のためにさらなるシミュレーション試行やより大きなシステムサイズが必要であることを示唆している。
• 温度依存性： GTDF外挿は、KClに関する離散的なISM予測とはよく一致したが、実験的な相関関係よりも強い温度依存性の傾きを示した。これは、温度スケーリングメカニズムのさらなる改良が必要であることを示している。

意義と主張
本論文は、構造コヒーレンスモデルを準ユニバーサルMLIPと統合することが、従来のMD法よりもわずかな計算コストで、現在の実験誤差範囲内で溶融塩の熱伝導率を予測できることを示す**概念実証（Proof of Concept）**としてISM手法を提示している。

著者らは、このアプローチが、実験データが不足しているアクチノイドを含む塩や複雑な高エントロキシー混合物を含む、幅広い塩組成の熱伝導率の系統的な調査を可能にすると主張している。計算の障壁を下げることで、ISMモデルは、発電システムへの溶融塩の安全な実装に必要な熱物性データベースを構築するための経路を提供する。著者らは、現在の限界についても謙虚な姿勢を維持しており、特にマグネシウム含有塩における音速予測の分散や、混合カチオン系における振動エネルギー伝達をより正確に捉えるためのフォノン伝達因子（$b_{PH}$）のさらなる改良の必要性に言及している。本研究は、本モデルが大きな前進である一方で、熱伝導率および音速測定の残された不確実性を解決するためには、標的を絞った実験的および計算的研究が依然として必要であると結論付けている。