Interatomic potentials for platinum

백금 (Pt) 을 매우 정교하고 고성능인 운동선수로 상상해 보세요. 백금은 강하며 극심한 열에서도 쉽게 녹슬지 않고, 촉매 변환기부터 의료 기기까지 모든 것에 사용됩니다. 이"운동선수"가 스트레스, 열, 또는 압력 하에서 어떻게 행동하는지 이해하기 위해 과학자들은 컴퓨터 시뮬레이션을 사용합니다. 하지만 이러한 시뮬레이션을 실행하려면 규칙집, 즉 백금의 각 원자가 이웃과 어떻게 상호작용하는지 컴퓨터에 알려주는 일련의 지침이 필요합니다. 이 규칙집을 원자간 퍼텐셜이라고 합니다.

오랫동안 백금을 위한 이용 가능한 규칙집들은 약간 낡고 닳아빠진 지도와 같았습니다. 그것들은 몇 가지 오류를 가지고 있었습니다: 금속이 잘못된 온도에서 녹을 것이라고 예측하거나, 특정 내부 결합을 끊는 것이 너무 쉽다고 예측했습니다.

이 논문에서 저자들 (Koju, Li, Mishin) 은 백금을 위한 두 가지 완전히 새롭고 매우 정확한 규칙집을 작성하기로 결정했습니다. 그들의 작업을 간단한 용어로 분해해 보겠습니다:

1. "훈련"(인간 추측 없음)

일반적으로 과학자들이 이러한 규칙집을 만들 때, 그들이 옳은지 확인하기 위해 실제 실험을 살펴봅니다. 그러나 이 팀은 순수하게 디지털 방식으로 결정했습니다. 그들은 거대한"훈련 데이터베이스"를 생성하기 위해 초정밀 양자 물리학 방법 (DFT 라고 함) 을 사용했습니다.

비유: 로봇에게 체스를 두는 법을 가르치는 것을 상상해 보세요. 인간이 플레이한 실제 게임을 보여주는 대신, 로봇이 완벽하고 수학 기반인 상대와 수백만 번의 게임을 하도록 합니다. 로봇은 사람을 관찰하는 것이 아니라 수학으로부터만 규칙을 배웁니다.
결과: 그들은 이 순수 수학 데이터로 두 가지 새로운 모델을 훈련시켰습니다. 훈련 단계 동안 그들은 어떤 실험 측정치도 사용하지 않았습니다.

2. 두 가지 새로운 규칙집

저자들은 서로 다른 스타일을 가진 두 가지 유형의 규칙집을 만들었습니다:

ADP 모델 (유연한 규칙집): 이는 오래된 표준 방법의 업그레이드입니다. 오래된 방법을"원자들은 이웃이 얼마나 가까운지에만 관심을 가진다"는 규칙이라고 생각하세요. 새로운 ADP 버전은"원자들은 또한 이웃이 만드는 각도에도 관심을 가진다"는 뉘앙스를 추가합니다. 마치 사람이 옆에 서 있는 사람뿐만 아니라 왼쪽이나 오른쪽에 서 있는 사람에도 관심을 가진다고 말하는 것과 같습니다. 이로 인해 이 모델은 금속이 어떻게 구부러지고 진동하는지 예측하는 데 매우 뛰어납니다.
MT 모델 (적응된 규칙집): 이 모델은 원래 다이아몬드나 실리콘 (매우 단단하고 방향성이 있는 결합을 가진 물질) 과 같은 것을 위해 설계되었습니다. 저자들은 이 단단한 모델을 가져와 백금과 같은 금속에 맞게"늘렸습니다".
- 비유: 단단한 나무 의자를 위한 규칙집을 상상해 보세요. 저자들은 그것을 부드럽고 찌그러지는 금속 베개를 설명할 수 있도록 수정했습니다. 놀랍게도, 이"늘어난"규칙집은 ADP 모델보다 때로는 더 정확하게 매우 정확했습니다.

3. 결과: 누가 이기는가?

팀은 두 가지 새로운 규칙집을 오래된 것들 (낡은 지도들) 과 초정밀 양자 수학에 대해 테스트했습니다.

녹는점: 오래된 규칙집들은 백금이 수백 도 너무 낮은 온도에서 녹는다고 말했습니다. 새로운 ADP 규칙집은 녹는점을 거의 정확히 맞췄습니다 (매우 작은 분의 오차 이내). MT 규칙집도 매우 가까웠지만, 약간 너무 높았습니다.
파괴와 구부러짐: 오래된 규칙집들은"결함"(누락된 원자) 을 생성하거나 원자 층을 서로 미끄러지게 하는 (카드 덱을 섞는 것과 같은) 데 필요한 에너지를 예측하는 데 실패했습니다. 새로운 모델들은 이러한 오류를 수정하여 금속을 끊거나 미끄러뜨리는 데 필요한 에너지를 훨씬 더 정확하게 예측했습니다.
진동: 금속이 진동할 때 (기타 줄처럼), 새로운 모델들은"음"(주파수) 을 오래된 것들보다 훨씬 잘 예측했습니다.

4. 트레이드오프: 속도 대 정확도

약간의 함정이 있습니다.

ADP 모델은 빠른 스포츠카와 같습니다. 매우 정확하며 시뮬레이션을 빠르게 실행합니다.
MT 모델은 하이테크 중장갑차와 같습니다. 매우 정확합니다 (때로는 ADP 보다 더 정확함), 하지만 실행하는 데 매우 느립니다. MT 모델로 시뮬레이션을 실행하는 데는 ADP 모델보다 100 배 이상 더 많은 시간이 걸리는데, 이는 원자 간의 복잡한 각도를 지속적으로 계산해야 하기 때문입니다.

5. 이것이 중요한 이유 (논문에 따르면)

저자들은 MT 모델이 순수 백금에는 느리지만, 미래의 재료에 대한"잃어버린 연결고리"일 수 있다고 제안합니다.

비유: 물 (액체) 을 위한 규칙집과 콘크리트 (고체) 를 위한 규칙집이 있다고 상상해 보세요. 하지만 반은 물이고 반은 콘크리트인 젖은 시멘트와 같은 재료를 시뮬레이션해야 한다면 어떨까요? 어느 규칙집도 혼자서는 잘 작동하지 않습니다.
MT 모델은 특별합니다. 왜냐하면 그것은 같은 수학적 언어를 사용하여 금속 (백금과 같은) 과 공유 결합 물질 (탄소나 실리콘과 같은) 을 모두 처리할 수 있기 때문입니다.
언급된 특정 응용 분야: 논문은 명시적으로 이 새로운 모델이 마이크로칩에 사용되는 백금 실리사이드와 백금이 질소와 결합하는 백금 기반 항암제를 시뮬레이션하는 데 사용될 수 있다고 지적합니다. 이는 과학자들이 이러한 혼합 물질이 원자 수준에서 어떻게 행동하는지 시뮬레이션할 수 있게 해줍니다. 이는 이전에 매우 어려웠던 일입니다.

요약

저자들은 백금 원자를 위한 두 가지 새롭고 매우 정확한 디지털 규칙집을 구축했습니다. 그들은 실험이 아닌 순수 수학으로 이를 훈련시켰습니다. 둘 다 특히 녹는점과 금속이 어떻게 파괴되는지 예측하는 데 있어 이전 버전들보다 훨씬 낫습니다. 하나는 빠르고 (ADP), 하나는 느리지만 매우 다재다능합니다 (MT). 다재다능한 것은 휴대폰의 칩이나 특정 의약품과 같이 금속을 다른 원소와 혼합한 복잡한 재료를 시뮬레이션하는 열쇠가 될 수 있습니다.

기술 요약: 백금의 원자간 퍼텐셜

문제 제기
고전적 원자론적 시뮬레이션은 극한 조건 하에서 특히 백금 (Pt) 의 기계적 거동 및 미세구조 발달을 이해하는 데 필수적입니다. 그러나 이러한 시뮬레이션의 신뢰성은 사용된 원자간 퍼텐셜의 정확도에 달려 있습니다. 백금에 대해 기존에 존재하는 퍼텐셜들은 주로 임베디드-원자 방법 (EAM) 형식으로 개발되었으며, 상당한 한계를 보입니다. 여기에는 적층 결함 에너지의 과소 평가와 실험값과 수백 도 차이가 나는 용융 온도가 포함됩니다. 이러한 결함은 정량적 정확도 저하를 초래할 수 있으며, 경우에 따라 비물리적인 시뮬레이션 거동을 유발할 수 있습니다. 또한, 기존 퍼텐셜들은 결함 구성과 표면 재구성을 지배하는 미묘한 전자적 효과를 포착하는 데 어려움을 겪습니다.

방법론
이러한 한계를 극복하기 위해 저자들은 백금에 대해 두 가지 새로운 원자간 퍼텐셜을 개발했습니다. 하나는 각도 의존 퍼텐셜 (ADP) 형식이고, 다른 하나는 수정된 터서프 (MT) 형식입니다.

학습 데이터베이스: 두 퍼텐셜 모두 비엔나 Ab initio 시뮬레이션 패키지 (VASP) 를 사용하여 1 원리 밀도 범함수 이론 (DFT) 계산으로 생성된 참조 데이터베이스를 기반으로 exclusively 학습되었습니다. 학습 과정 중 실험 데이터는 사용되지 않았습니다. 데이터베이스에는 다음이 포함되었습니다:
- 등방성 변형 하의 다양한 결정 구조 (FCC, BCC, HCP, SC, A15, 다이아몬드 입방) 에 대한 상태 방정식 (EOS).
- FCC 구조에 대한 단축 인장/압축 및 전단 변형.
- nudged 탄성 밴드 (NEB) 방법을 통한 공공 이동에 대한 최소 에너지 경로 (MEP).
- 표면 에너지, 쌍정 경계 에너지, 그리고 $\gamma$ -표면.
- 점 결함 형성 에너지 (공공 및 격자간 원자) 및 이량체 에너지.
- 포논 분산 관계 및 상태 밀도.
퍼텐셜 형식:
- ADP: 비중앙 결합을 고려하기 위해 쌍극자 벡터 및 사중극자 텐서와 같은 각도 의존 상호작용을 포함하는 EAM 의 확장입니다. 36 개의 피팅 파라미터를 사용합니다.
- MT: 원래 공유 결합 원소 (예: Si, C) 를 위해 설계된 MT 모델은 컷오프 반경을 확장하여 다수의 배위 껍질 (최대 6.57 Å) 을 포함하도록 백금 금속에 맞게 조정되었습니다. 이를 통해 모델은 MEAM 및 ADP 와 유사한 다체 상호작용을 포착할 수 있습니다. 16 개의 피팅 파라미터를 사용합니다.
최적화: 두 퍼텐셜의 파라미터는 퍼텐셜 예측과 DFT 참조 데이터베이스 간의 가중 평균 제곱 편차를 최소화하기 위해 Nelder-Mead 심플렉스 방법을 기반으로 한 시뮬레이션 어닐링 알고리즘을 사용하여 최적화되었습니다.
검증: 새로운 퍼텐셜은 DFT 데이터베이스 및 실험 데이터에 대해 엄격하게 테스트되었습니다. 일관성을 위해 Zhou 등 의 EAM1 과 O'Brien 등 의 EAM2 로 최근 발표된 두 가지 EAM 퍼텐셜도 동일한 계산 프로토콜을 사용하여 재평가되었습니다.

주요 기여 및 결과
본 연구는 새로운 ADP 및 MT 퍼텐셜을 기존 EAM 퍼텐셜, DFT 계산, 그리고 실험 데이터와 비교한 포괄적인 분석을 제시합니다.

격자 및 열역학적 성질:
- 두 새로운 퍼텐셜 모두 높은 정확도로 평형 격자 상수와 응집 에너지를 예측합니다.
- 용융 온도 ( $T_m$ ): ADP 퍼텐셜은 실험적 용융 온도를 0.2% 이내 (2041 K 대 실험값 약 2045 K) 로 재현합니다. MT 퍼텐셜은 $T_m$ 을 7.3% 과대평가합니다 (2195 K). 반면, EAM1 과 EAM2 퍼텐셜은 $T_m$ 을 수백 켈빈만큼 현저히 과소평가합니다.
- 열팽창: MT 퍼텐셜은 1200 K 까지 실험적 열팽창 데이터와 우수한 일치를 보여 ADP 및 EAM 퍼텐셜보다 우수한 성능을 발휘합니다.
- 포논: 새로운 퍼텐셜은 EAM 퍼텐셜보다 포논 분산 관계를 훨씬 잘 재현하지만, 모든 퍼텐셜은 실험에 비해 고대칭점에서의 주파수를 약간 과소평가합니다.
결함 성질:
- 공공: 새로운 퍼텐셜은 실험 범위 내에서 공공 형성 에너지를 정확히 예측하는 반면, DFT 계산 (PBE 범함수) 은 이 값을 과소평가합니다. ADP 와 MT 퍼텐셜 모두 공공 이동 에너지 장벽을 정확히 재현하는 반면, EAM 퍼텐셜은 이를 현저히 과소평가합니다.
- 격자간 원자: DFT 계산은 백금에서 팔면체 격자간 원자가 바닥 상태임을 확인했는데, 이는 다른 FCC 금속에서 일반적인 $\langle 100 \rangle$ 더블벨 선호와 다른 편차입니다. 새로운 퍼텐셜은 팔면체 선호를 일으키는 미묘한 전자적 효과를 포착하지 못해 $\langle 100 \rangle$ 더블벨을 바닥 상태로 올바르게 예측하지만, 격자간 에너지를 체계적으로 과소평가하는 EAM 퍼텐셜보다 더 정확한 에너지 값을 제공합니다.
- 표면: 모든 퍼텐셜은 표면 에너지를 올바르게 순위 매깁니다 ( $\gamma_{111} < \gamma_{100} < \gamma_{110}$ ). 그러나 네 가지 퍼텐셜 (ADP, MT, EAM1, EAM2) 중 어느 것도 표면 재구성과 관련된 에너지 강하 (예: (110) 표면의 $(1 \times 2)$ 재구성) 를 올바르게 예측하지 못합니다. 이는 잘 알려진 결함입니다.
적층 결함 및 쌍정 경계:
- 새로운 퍼텐셜은 EAM 퍼텐셜에 비해 적층 결함 에너지 (SFE) 와 쌍정 경계 에너지 예측에서 뚜렷한 개선을 보입니다.
- ADP 퍼텐셜은 DFT 쌍정 경계 에너지 (142 mJ m $^{-2}$ ) 를 재현하여 우수한 일치를 보입니다. MT 퍼텐셜은 이를 약 50 mJ m $^{-2}$ 과대평가하는 반면, EAM 퍼텐셜은 이를 극단적으로 과소평가합니다 (예: EAM1 은 46 mJ m $^{-2}$ 를 산출).
- 마찬가지로, ADP 퍼텐셜은 SFE 에 대해 DFT 와 가장 가까운 일치를 제공하는 반면, EAM 퍼텐셜은 이러한 값들을 과소평가합니다.
구조적 안정성:
- 모든 퍼텐셜은 FCC 구조를 바닥 상태로 올바르게 식별합니다. 비평형 구조 (BCC, HCP 등) 에 대한 상대 에너지의 패리티 플롯은 ADP 와 MT 퍼텐셜이 DFT 에 대해 편향되지 않은 산포를 보이는 반면, EAM 퍼텐셜은 에너지를 과소평가하는 경향을 보임을 나타냅니다.

의의 및 주장
본 논문은 새로 개발된 ADP 와 MT 퍼텐셜이 기존 EAM 퍼텐셜에 비해 백금, 특히 용융 온도, 적층 결함 에너지, 그리고 결함 이동 장벽에 대해 우수한 정확도를 제공한다고 주장합니다.

효율성 대 정확성: 저자들은 계산 비용에서 트레이드오프가 있음을 지적합니다. MT 퍼텐셜은 매우 정확하고 파라미터 수가 적습니다 (ADP 의 36 개 대비 16 개). 그러나 중첩 루프 내에서 결합 각도를 명시적으로 계산하기 때문에 분자 동역학 (MD) 시뮬레이션에서 ADP 보다 $10^2$ 배 이상 계산 비용이 많이 듭니다. ADP 퍼텐셜은 높은 정확도와 계산 효율성 사이의 균형을 제공합니다.
미래 응용: 저자들은 MT 모델이 금속성 및 공유 결합 퍼텐셜 간의 간극을 좁힐 잠재력을 강조합니다. MT 형식론이 단일 분석 프레임워크 내에서 금속성 및 공유 결합을 모두 기술할 수 있기 때문에, 백금 규화물 (PtSi, Pt $_2$ Si) 과 항암제에 사용되는 백금 - 질소 배위 화합물과 같은 혼합 결합 시스템을 모델링하기 위한 후보로 제안됩니다. 저자들은 MT 모델의 하이브리드 결합 화학 처리 능력이 현재 계산 오버헤드가 있음에도 불구하고 이러한 기술적으로 관련성 높은 물질의 대규모 시뮬레이션을 가능하게 할 것이라고 제안합니다.

결론적으로, 본 연구는 문헌의 특정 결함을 수정하는 견고한 1 원리 기반 학습 퍼텐셜 세트를 제공하며, 백금 및 잠재적으로 그 화합물의 기계적 및 물리적 거동을 시뮬레이션하기 위해 연구자들에게 개선된 도구를 제공합니다.