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

Resumo Técnico: Integração de um Modelo de Coerência Estrutural com um Potencial Interatômico de Aprendizado de Máquina Semi-Universal para Predizer a Condutividade Térmica de Sais Fundidos

Definição do Problema
O projeto preciso e a operação segura de sistemas de geração de energia que utilizam sais fundidos, particularmente Reatores de Sal Fundido (MSRs), requerem a caracterização precisa de propriedades termofísicas com baixa incerteza. Enquanto os sais de nitrato são bem caracterizados, os sais de haleto (cloretos e fluoretos) apresentam desafios significativos devido às altas temperaturas de fusão, corrosividade e complexidade composicional. Os dados experimentais para condutividade térmica ($k$) são escassos; por exemplo, de 976 composições de sais no Banco de Dados de Sais Fundidos, apenas 32 possuem medições de condutividade térmica registradas, com uma incerteza média de 18%.

Os métodos computacionais existentes para preencher essas lacunas de dados enfrentam compensações (trade-offs). A Dinâmica Molecular (MD) clássica usando potenciais empíricos muitas vezes carece da precisão necessária para sais complexos, enquanto a MD ab initio (AIMD) e os métodos padrão de MD para condutividade térmica (Green-Kubo, MD de Não-Equilíbrio) são computacionalmente proibitivos para sistemas grandes ou escalas de tempo longas. Existe uma necessidade crítica de uma metodologia que faça a ponte entre a precisão das simulações de primeiros princípios e a eficiência computacional dos modelos analíticos, visando predizer a condutividade térmica através de diversas composições de sais.

Metodologia: A Abordagem ISM (Integração SCM-MLIP)
Os autores propõem um fluxo de trabalho de Integração de Coerência Estrutural e Potencial Interatômico de Aprendizado de Máquina (ISM). Esta abordagem combina um Potencial Interatômico de Aprendizado de Máquina (MLIP) semi-universal, especificamente o "SuperSalt", com um Modelo de Coerência Estrutural (SCM) baseado na teoria cinética generalizada.

O fluxo de trabalho prediz a condutividade térmica na temperatura de fusão ($k_{Tm}$) usando a expressão da teoria cinética:
$$k = \frac{1}{3} C_p v_s \ell_{sc}$$
onde $C_p$ é a capacidade térmica volumétrica, $v_s$ é a velocidade adiabática do som e $\ell_{sc}$ é o comprimento de coerência estrutural (substituindo o tradicional caminho livre médio).

O fluxo de trabalho ISM procede da seguinte forma:

1. Predição de Densidade: A densidade ($\rho$) é calculada usando um modelo de Redlich-Kister onde existem dados experimentais, ou via simulações de MD do SuperSalt nos demais casos, uma vez que a densidade é um dado crítico para $C_p$ e $v_s$.
2. Geração de Propriedades via MD SuperSalt: Utilizando o MLIP SuperSalt (uma rede neural de Expansão de Aglomerados Atômicos de múltiplas camadas), o modelo executa simulações de MD paralelas para determinar:
   • Capacidade Térmica Volumétrica ($C_p$): Derivada de mudanças de entalpia através de varreduras de temperatura em um ensemble NPT.
   • Velocidade Adiabática do Som ($v_s$): Calculada usando o método de flutuação de estresse de Bryk, que relaciona a velocidade do som com a variância do estresse virial.
   • Função de Distribuição de Pares Parcial (pPDF): Gerada para caracterizar a ordem de curto alcance do sal fundido.
   • Módulo de Compressibilidade Isotérmico ($K_T$): Calculado para suportar a extrapolação de temperatura.
3. Comprimento de Coerência Estrutural ($\ell_{sc}$): A pPDF é analisada usando o algoritmo SCM. Este modelo quantifica o grau de coerência estrutural avaliando fatores de decoerência, incluindo um fator de transferência de fônon ($b_{PH}$) que contabiliza a interrupção da transferência de energia vibracional entre cadeias dísteras de cátions-ânions.
4. Extrapolação de Temperatura: Para predizer $k$ em temperaturas acima do ponto de fusão, o modelo utiliza a Função de Dependência de Temperatura de Gheribi (GTDF), que extrapola $k_{Tm}$ usando o parâmetro de Gruneisen derivado de $C_p$, $K_T$ e o coeficiente de expansão térmica ($\alpha$).

Principais Contribuições e Resultados

• Eficiência Computacional: O modelo ISM alcança uma redução significativa no custo computacional em comparação com a MD de Não-Equilíbrio Reversa (RNEMD) utilizando o mesmo potencial SuperSalt. Uma previsão completa do ISM leva aproximadamente 3 horas em três GPUs H200, enquanto uma simulação equivalente de RNEMD requer uma média de 60 horas em uma única GPU. Isso representa um aumento de velocidade de 1 a 2 ordens de magnitude.
• Precisão e Validação:
  • O modelo foi testado em sais unários, misturas binárias (NaCl-KCl, MgCl$_2$-KCl) e misturas ternárias.
  • Para sais unários e algumas misturas, as previsões do ISM alinham-se estreitamente com os dados experimentais e previsões anteriores de SCM.
  • NaCl-KCl: O modelo captura com sucesso as tendências através das composições, mas prediz um mínimo na condutividade térmica no ponto eutético que é mais profundo do que as observações experimentais. Essa discrepância é atribuída ao fator de transferência de fônon ($b_{PH}$), que pode superestimar a decoerência em misturas com massas iônicas semelhantes.
  • MgCl$_2$-KCl: O modelo prediz uma velocidade adiabática do som ($v_s$) mais baixa para sais contendo Mg em comparação com algumas literaturas (por exemplo, as previsões de EMD de Gheribi), levando a previsões de $k$ mais baixas. Os autores sugerem que isso pode refletir a ordem de médio alcance única dos complexos de Mg$^{2+}$ em vez de uma falha do MLIP.
  • Misturas de Alta Entropia: O modelo foi aplicado a uma mistura hipotética de 11 cátions ("Big" salt). Embora as previsões tenham sido plausíveis, observou-se uma alta variância em $v_s$, sugerindo que sistemas altamente desordenados podem exigir mais tentativas de simulação ou tamanhos de sistema maiores para convergir.
• Dependência de Temperatura: A extrapolação da GTDF mostrou concordância próxima com as previsões discretas do ISM para KCl, mas exibiu uma inclinação de dependência de temperatura mais forte do que as correlações experimentais, indicando a necessidade de maior refinamento do mecanismo de escalonamento de temperatura.

Significância e Alegações
O artigo apresenta a metodologia ISM como uma prova de conceito, demonstrando que integrar um modelo de coerência estrutural com MLIPs semi-universais pode predizer a condutividade térmica de sais fundidos dentro das incertezas experimentais atuais, com uma fração do custo computacional dos métodos tradicionais de MD.

Os autores afirmam que esta abordagem permite a investigação sistemática da condutividade térmica através de uma ampla variedade de composições de sais, incluindo aqueles com actinídeos ou misturas complexas de alta entropia onde os dados experimentais são inexistentes. Ao reduzir a barreira computacional, o modelo ISM oferece um caminho para popular bases de dados de propriedades termofísicas necessárias para a implementação segura de sais fundidos em sistemas de geração de energia. Os autores mantêm-se modestos quanto às limitações atuais, observando especificamente a variância nas previsões de velocidade do som para sais contendo magnésio e a necessidade de maior refinamento do fator de transferência de fôlon ($b_{PH}$) para capturar melhor as nuances da transferência de energia vibracional em sistemas de cátions mistos. O trabalho conclui que, embora o modelo seja um passo significativo, estudos experimentais e computacionais direcionados ainda são necessários para resolver as incertezas remanescentes na condutividade térmica e nas medições de velocidade do som.