Pressure-dependent melting and crystallization of B2-NiAl from neural-network molecular dynamics

기술 요약: B2-NiAl의 압력 의존적 용융 및 결정화

문제 제기
니켈 알루미나이드(NiAl)는 중요한 고온 구조용 응용 분야를 가진 전형적인 규칙 격자 금속 간 화합물이다. 상압에서의 용융 거동은 일정한 조성에서 일어나는 일치 용융(congruent melting)으로 잘 알려져 있으나, 고압 환경에서의 용융 거동은 아직 충분히 규명되지 않았다. 기존의 분자 동역학(MD) 연구들은 주로 임베디드 원자 모델(EAM) 포텐셜에 의존해 왔는데, 이는 고압 열역학을 정확하게 기술하는 데 필요한 전이성(transferability)이 부족할 수 있다. 또한, 고압에서의 실험 데이터는 측정의 어려움으로 인해 제한적이며 산포가 크다. 본 연구의 핵심적인 미결 과제는 화학 양론적 B2-NiAl의 용융이 압축 하에서도 일치 용융(고상과 액상이 동일한 조성을 공유하는 현상)을 유지하는지, 아니면 화학적 분배(chemical partitioning)가 발생하는지 여부이다. 본 연구는 고정밀 머신러닝 원자간 포텐셜을 사용하여 압력 의존적 용융 곡선($T_m(P)$)을 결정하고, 열역학적 일관성을 검증하며, 일치 용융 및 그에 따른 결정화 특성을 규명함으로써 이러한 공백을 메우고자 한다.

방법론
저자들은 Deep Potential(DeepMD) 원자간 모델을 이용한 신경망 분자 동역학(NNMD)을 활용하였다. 방법론은 네 가지 주요 구성 요소로 이루어진다:

1. 포텐셜 개발: 약 37,200개의 구성(configuration)으로 구성된 확장된 데이터베이스를 기반으로 Deep Potential 모델을 학습시켰다. 이 데이터베이스는 액체 Al–Cu–Ni 합금에 대한 제일원리(DFT) 데이터와 규칙적인 Al–Ni 구조, 왜곡된 결정 및 표면 데이터를 결합하여 구축되었다. 연구와 관련된 고압 상태의 범위를 보장하기 위해, 구성 생성기로 PET-MAD-S 모델을 사용하는 능동 학습(active learning) 루프를 적용하였다. 구성은 Smooth Overlap of Atomic Positions(SOAP) 기술자와 Farthest-Point Sampling(FPS)을 통해 선택되었으며, DFT로 라벨링되었다. 최종 모델은 에너지, 힘, 응력 텐서를 재현하도록 학습되었으며, 0–50 GPa 범위에서 높은 정확도(힘 RMSE < 0.16 eV/Å)를 달ato했다.
2. 용융 곡선 결정: 용융 온도는 2상 고체-액체 공존법(two-phase solid–liquid coexistence method)을 사용하여 결정되었다. 시뮬레이션은 16,384개의 원자를 포함하는 supercell에 대해 정압, 정엔탈피(NPH) 앙상블에서 수행되었다. 고체-액체 계면을 생성하였고, 시스템이 안정적인 공존 상태에 도달할 때까지 진화시켜 0에서 50 GPa 사이의 압력에 대한 $T_m$을 결정하였다.
3. 열역학적 일관성 검증: 계산된 용융선을 검증하기 위해, 결정된 $T_m(P)$에서 고체와 액체의 독립적인 단상 시뮬레이션을 수행하였다. 용융 시의 엔탈피($\Delta h$) 및 부피($\Delta v$) 변화를 계산하였다. 이 값들을 사용하여 클라페이롱 기울기($dT_m/dP = T_m \Delta v / \Delta h$)를 계산하고, 이를 피팅된 $T_m(P)$ 곡선의 해석적 미분값과 비교하였다.
4. 일치성 및 구조 분석:
   • 조성: [001] 방향을 따라 층별 조성 프로파일을 분석하여, 화학 양론적 값(0.5) 대비 액상 내 알루미늄 분율을 측정하였다.
   • 결정화: 다양한 냉각 속도와 압력에서 멜트-퀀치(melt-quench) 시뮬레이션을 수행하였다. 구조 분석에는 다면체 템플릿 매칭(PTM)을 사용하여 국부 기하 구조(BCC, FCC, HCP 등)를 식별하였고, 화학적으로 규칙적인 B2 구조와 무질서한 BCC 유사 기하 구조를 구분하기 위해 특정 국부 질서 파라미터($q_{B2}$)를 사용하였다.

주요 결과

• 용융 곡선 ($T_m(P)$): B2-NiAl의 용융 온도는 압력에 따라 단조 증가하며, 0 GPa에서의 $1896 \pm 9$ K에서 50 GPa에서의 $3569 \pm 17$ K까지 상승한다. 결과는 상압에서의 실험값($\sim$1911 K) 및 약 20 GPa까지의 기존 EAM 기반 계산 결과와 밀접하게 일치한다. 그러나 고압 영역(30–50 GPa)에서는 DeepMD 모델이 기존 EAM 결과보다 훨씬 가파른 $T_m$ 상승을 예측하는데, 이는 압축된 고상과 액상의 상대적 열역학적 안정성에 대한 다른 설명을 시사한다.
• 열역학적 일관성: 독립적인 $\Delta h$ 및 $\Delta v$ 측정으로부터 유도된 계산된 클라페이롱 기울기는 대부분의 압력 범위에서 Simon–Glatzel 용융 곡선의 미분값과 매우 잘 일치한다. 이는 공존 시뮬레이션의 내부 열역학적 일관성을 확인시켜 준다. 용융 엔탈피는 압력에 따라 증가하는 반면, 상대적 부피 변화($\Delta v/v_{sol}$)는 감소하며, 이는 압축 하에서 두 상 사이의 밀도 차이가 줄어듦을 나타낸다.
• 일치 용융: 층별 조성 분석 결과, 공존하는 액상 단계는 모든 조사된 압력에서 본질적으로 등원자량(Al 분율 $\approx$ 0.5)을 유지함을 밝혔다. 화학 양론적 값으로부터의 편차는 $5 \times 10^{-3}$를 초 exceed하지 않는다. 이는 B2-NiAl의 용융이 현재 모델 내에서 화학적 분배 없이 일치 용융으로 유지된다는 직접적인 원자론적 증거를 제공한다.
• 결정화 거동: 멜트-퀀치 시뮬레이션은 과냉각된 액체가 BCC 유사 기하 구조가 지배적인 다결정 상태로 결정화됨을 보여준다. 화학적 B2 질서는 이 구조 내에서 점진적으로 발달한다. 결정화 경향은 냉각 속도가 느리고 압력이 높을수록 증가한다. 30 GPa에서의 BCC 분율은 동일한 냉각 속도에서 0 GPa일 때보다 실질적으로 높으며, 이는 압축이 bcc 유도 구조로의 결정화를 촉진함을 나타낸다.

의의 및 주장
본 논문은 고정밀 Deep Potential 모델을 사용하여 열역학적으로 일관된 압력 의존적 B2-NiAl 용융 기술을 확립하였다. 주요 기여는 다음과 같다:

1. 정밀화된 용융 곡선: 고압에서 기존 EAM 예측과 차이를 보이는 더 정확한 $T_m(P)$ 관계를 제공하며, 이는 고압 열역학을 포착하기 위해 더 정확한 포텐셜이 필요함을 시사한다.
2. 일치성 검증: B2-NiAl의 용융이 압축 하에서도 일치 용융으로 유지된다는 직접적인 원자론적 증거를 제공하여, 잠재적인 화학적 분배에 대한 불확일성을 해소하였다.
3. 방법론적 엄밀성: 두 상 공존 시뮬레이션과 독립적인 단상 열역학 검증(클라페이롱 관계)을 결합하여 머신러닝 포텐셜 예측의 신뢰성을 확보하는 유용성을 입증하였다.
4. 구조적 통찰: 결정화 경로를 명확히 하여, 완전한 화학적 B2 질서가 확립되기 전에 bcc 유사 기하 구조가 먼저 형성되며, 압력이 이러한 결정화 경향을 강화한다는 것을 밝혀냈다.

저자들은 이러한 결과가 개발된 원자간 모델의 범위 내에서, 압력에 의한 B2-NiAl의 용융에 대한 일관된 원자론적 설명을 제공한다고 결론짓는다.