Dynamic heterogeneity in sodium silicate melts via machine-learning potential

Resumo Técnico: Heterogeneidade Dinâmica em Fundidos de Silicato de Sódio via Potencial de Aprendizado de Máquina

Definição do Problema
A difusão iônica em vidros de sílica dopados com álcalis é um fenômeno crítico para aplicações que variam da física química a baterias secundárias de estado sólido. Embora o modelo de "caminho preferencial" sugira que os íons alcalinos migram através de canais espacialmente distintos em vez de se difundirem uniformemente, a caracterização detalhada desses processos sob uma perspectiva de dinâmica de relaxação tem sido limitada. Estudos anteriores basearam-se amplamente em modelos de vidro de empacotamento simples com interações isotrópicas ou potenciais empíricos que carecem de precisão para capturar os complexos ambientes locais de vidros de rede. Por outro outro lado, cálculos de primeiros princípios (dinâmica molecular ab initio) oferecem alta precisidade, mas são computacionalmente proibitivos para os grandes tamanhos de sistema e longas escalas de tempo (nanossegundos) necessários para observar a heterogeneidade dinâmica e a relaxação estrutural próxima à transição vítrea, onde os custos computacionais escalam como $O(N^3)$.

Metodologia
Para superar essas barreiras computacionais, os autores empregaram potenciais interatômicos de aprendizado de máquina (MLIPs) para realizar simulações de dinâmica molecular (MD) de fundidos de silicato de sódio.

• Construção do Potencial: Um modelo de rede neural de grafo equivariante do tipo PaiNN foi treinado em um conjunto de dados de 11.184 estruturas derivadas de trajetórias de resfriamento de fundido por dinâmica molecular ab initio (AIMD). O conjunto de treinamento cobriu quatro frações de Na$_2$O (Na$_6$Si$_{57}$O$_{117}$ a Na$_{48}$Si$_{36}$O$_{96}$) em quatro densidades de massa, garantindo que o modelo capture diversos ambientes locais. A função de perda ponderou fortemente as forças atômicas ($w_F=0,99$) para assegurar trajetórias de alta fidelidade.
• Configuração da Simulação: As corridas de produção foram conduzidas em sistemas contendo 3.000 átomos com três composições distintas correspondentes a Na$_2$O $\cdot$ 2SiO$_2$ (NS2), Na$_2$O $\cdot$ 4SiO$_2$ (NS4) e Na$_2$O $\cdot$ 6SiO$_2$ (NS6).
• Protocolo Termodinâmico: Os sistemas foram equilibrados a 4000 K e resfriados a 300 K a uma taxa de $10^{12}$ K s$^{-1}$. As corridas de produção foram realizadas no ensemble NVT em temperaturas variando de 4000 K até 1500 K. Crucialmente, as durações das simulações foram estendidas para a escala de nanossegundos (até 5,1 ns a 1500 K), um regime anteriormente inacessível aos métodos ab initio.
• Análise: O estudo utilizou o deslocamento quadrático médio (MSD), funções de correlação de quebra de ligação ($C_B(t)$), a parte auto da função de distribuição de van Hove ($G_s(r,t)$) e o parâmetro não gaussiano ($\alpha_2(t)$) para caracterizar a dinâmica de relaxação e a heterogeneidade espacial.

Resultados Principais

1. Dinâmica de Relaxação e Desacoplamento: As simulações capturaram com sucesso o processo de relaxação de dois estágios característico da transição vítrea para átomos de Si e O formadores de rede, evidenciado por patamares distintos no MSD e em $C_B(t)$ em escalas de tempo intermediárias. Em contraste, os íons Na exibiram uma relaxação significativamente mais rápida. Mesmo a 1500 K, onde as correlações de Si e O persistiam por aproximadamente 1 ns, as correlações de Na decaíram dentro de 10–100 ps. Isso confirma um desacoplamento dinâmico onde o transporte de álcalis é mediado por eventos discretos, permitindo que os íons Na se movam independentemente da matriz de silicato lenta.
2. Mecanismo de Salto (Hopping): A parte auto da função de van Hove para o sódio exibiu uma bimodalidade clara em escalas de tempo estendidas. O pico secundário, localizado em aproximadamente 3,5 Å, corresponde a saltos discretos entre sítios intersticiais adjacentes. Isso fornece evidência direta de que o transporte de álcalis ocorre via um mecanismo de salto em vez de difusão contínua.
3. Heterogeneidade Dinâmica: O parâmetro não gaussiano $\alpha_2(t)$ revelou que, embora todas as espécies exibam heterogeneidade dinâmica, o comportamento é mais pronunciado para os átomos de oxigênio. A intensidade do pico de $\alpha_2(t)$ para o oxigênio excedeu consistentemente a de silício e sódio. Isso é atribuído à diversidade estrutural dos sítios de oxigênio (pontes vs. não-pontes) e seu papel como vértices de tetraedros de SiO$_4$, que passam por rearranjos estruturais raros e estocásticos.
4. Dependência Composicional: O aumento do conteúdo de sódio (de NS6 para NS2) acelerou sistematicamente a dinâmica para todas as espécies. No entanto, o comportamento não gaussiano intensificou-se conforme o conteúdo de sódio diminuía (NS6), sugerindo que uma rede mais rígida e conectada aumenta a intermitência dos eventos de relaxação e a separação entre partículas móveis e imóveis.

Significância e Alegações
Os autores afirmam que este trabalho estabelece um novo fundamento para o estudo de sistemas vítreos realistas, preenchendo a lacuna entre a precisão ab initio e as grandes escalas espaço-temporais necessárias para observar a heterogeneidade dinâmica.

• Avanço Metodológico: O estudo demonstra que os MLIPs podem rastrear a relaxação tanto da rede de sílica congelada quanto dos íons difusivos em escalas de tempo de nanossegundos, um regime anteriormente inalcançável para vidros de rede com precisão de primeiros princípios.
• Insight Físico: Os resultados fornecem evidência dinâmica convincente para o modelo de caminho preferencial, mostrando que os íons alcalinos se desacoplam da matriz via eventos de salto discretos.
• Origens da Heterogeneidade: O artigo elucida que a heterogeneidade dinâmica em fundidos de silicato de sódio surge de dois mecanismos distintos: os rearranjos estocásticos e raros da rede covalente (dominando a dinâmica do oxigênio) e o salto rápido mediado por canais dos modificadores de álcali.
• Utilidade Futura: Ao alcançar uma precisão próxima à de ab initio no regime de relaxação estrutural, esta abordagem oferece uma base rigorosa para entender como as restrições locais ditam as propriedades de transporte macroscópicas, proporcionando um novo padrão para o design computacional de materiais condutores de íons.