Melting Behavior and Phase Stability of CaO from Neural Network Potentials: a Molecular Dynamics Study

本研究采用机器学习原子间势进行大规模分子动力学模拟，以确定氧化钙的熔点、熔化焓及高压熔化曲线，揭示了压力依赖的过热比，并确立了机器学习原子间势作为研究离子氧化物相稳定性的稳健框架。

要点

想象一下，试图精确弄清楚一块像岩石一样坚硬的奶酪（在本例中为氧化钙，即 CaO）究竟何时会变成黏稠的液体。科学家们长期以来一直在争论这一温度。有人说是大约 2,800 度，也有人说是超过 3,200 度。问题在于，CaO 温度极高且反应性极强，这就好比试图熔化一块金属，而这块金属同时还在试图“吃掉”盛放它的容器。在真实实验室中很难获得干净的测量结果。

为了解决这个问题，本文的研究人员构建了 CaO 的数字孪生。他们没有熔化真实的岩石，而是创建了一个“智能计算机大脑”（称为机器学习原子间势），它确切地知道 CaO 中每一个原子的行为。可以将这个大脑想象成一本超精确的规则手册，它告诉计算机原子之间如何相互推挤和拉扯，但其运行速度比过去使用的缓慢物理模拟快一百万倍。

以下是他们如何利用这个“数字大脑”找到答案的：

1. 熔化数字岩石的两种方法

为了找到确切的熔点，他们在模拟中尝试了两种不同的“游戏”：

• “墙洞”法（空位成核熔化）：
  想象一堵完美的砖墙。如果你加热它，由于没有裂缝来引发崩塌，它可能会在远高于熔点的情况下仍保持固态。为了解决这个问题，研究人员在他们的数字墙中间打了一个洞。这个洞充当了一个弱点。随着他们加热墙壁，液体开始就在洞的周围形成。通过不断增大这个洞，他们找到了墙壁总是崩塌的温度。

  • 结果： 他们发现熔点为3,055 开尔文（约 2,782°C）。这与最新的真实世界实验结果相符。

• “半对半”法（两相共存）：
  想象一节长长的火车车厢，前半部分是冻结的冰，后半部分是沸腾的水。他们将这节车厢放入模拟中，观察冰与水之间的边界。如果冰融化了，说明整体温度太高；如果水结冰了，说明温度太低。他们调整温度，直到冰和水保持完美平衡。

  • 结果： 这种方法得出的数值较低，为2,847 开尔文。论文指出，这种方法已知有时会低估温度，但它仍然是一个有用的校验。

2. 核对“热量账单”（焓）

熔化不仅仅关乎温度；还关乎你需要向系统中注入多少能量来打破固态结构。研究人员计算了这笔“能量账单”（熔化焓）。

• 他们发现，他们的“数字大脑”预测的能量成本约为73 kJ/mol。
• 这个数字与真实世界化学表中的最佳估算值以及其他高级物理计算完全吻合。这证明了他们的“数字大脑”说的是实话。

3. “挤压”测试（高压）

最后，他们问道：“如果我们压碎这块岩石会发生什么？”他们将数字 CaO 挤压至 20 吉帕（这相当于海底的压力，但乘以了一千倍）。

• 旧假设： 科学家们过去认为，当你挤压一种材料时，“过热”（熔化完美晶体所需的额外热量）保持相同的百分比。
• 新发现： 研究人员发现这个假设是错误的。随着他们对 CaO 施加更大的挤压，“过热”差距实际上变大了。在常压下，完美晶体需要约 17% 的额外热量才能熔化。在高压下，它需要 24% 的额外热量。
• 为什么？ 想象一下拥挤的舞池。当房间空旷时（低压），少数舞者开始移动（熔化）很容易。但当房间挤得满满当当时（高压），要让人群打破队形并开始跳舞，就需要巨大的能量，尤其是如果没有“弱点”（缺陷）来帮助他们开始时。

结论

这篇论文不仅仅是猜测氧化钙的熔点；他们构建了一个高度精确、快速的计算机模型来证明这一点。他们证实，在常压下，CaO 的熔点约为3,055 K，并表明当你挤压它时，其熔化规则会发生变化。他们新的“数字大脑”现在已成为科学家研究其他极端材料的可靠工具，而无需在真实实验室中熔化它们。

技术摘要

技术摘要：基于神经网络势的氧化钙熔化行为与相稳定性

问题陈述
由于高蒸气压和反应性等实验限制，确定氧化钙（CaO）的精确熔点（$T_m$）及高压相稳定性仍是一项重大挑战。$T_m$的实验值差异巨大（2843 K 至 3223 K），且高压熔化曲线在很大程度上尚未被探索。先前的计算研究面临权衡：经验势（如 Born-Mayer-Huggins）缺乏极端条件下所需的量子精度和可迁移性，而从头算分子动力学（AIMD）虽能提供精度，但其计算成本对于准确绘制熔化曲线和避免过热伪影所需的大系统规模和长模拟时间而言是 prohibitive（难以承受的）。

方法论
为弥合这一差距，作者利用 PANNA 2.0 框架和 LATTE 描述符，为 CaO 开发了一种机器学习原子间势（MLIP）。

• 势函数架构：该模型采用具有 256:124:1 隐藏层结构的多层感知机（MLP）。它利用基于笛卡尔张量缩并的 LATTE 描述符，对局部原子环境进行编码，使其对平移、旋转和置换具有不变性。该描述符包含 2 体、3 体和 4 体项，总计 900 个特征。
• 训练数据集：该势函数基于来自 AIMD 模拟（使用 PBEsol 泛函和 Quantum ESPRESSO）的约 12,000 个构型进行训练。数据集具有多样性，包括：
  • 固态和液态体结构（300–6000 K）。
  • 固 - 液界面结构（用于两相共存）。
  • 带有中心空洞的“中空”固态结构（1–40% 体积），用于空位成核熔化。
  • 压缩和膨胀结构（高达 20 GPa）。
  • 数据被划分为训练集（75%）、验证集（15%）和测试集（10%）。
• 训练表现：最终势函数在能量上实现了<5 meV/原子的平均绝对误差（MAE），在力上实现了<45 meV/Å的平均绝对误差。
• 模拟技术：使用 LAMMPS 在等压（NPT）系综中，利用训练好的 MLIP 进行了大规模分子动力学（MD）模拟。采用两种方法确定$T_m$：
  1. 空位成核熔化（VNM）：在 11$\times$11$\times$11 超胞中引入中心空位，以诱导异质成核并消除过热。
  2. 两相共存（TPC）：模拟一个在 6$\times$6$\times$60 超胞中固相和液相共存的系统，以寻找平衡温度。

关键结果

• 常压下的熔点：
  • VNM 方法得出的$T_m = 3055 \pm 11$ K。该值与最近的实验数据和先前的 MLIP 研究高度一致，表明它是所测试方法中最准确的估计值。
  • TPC 方法得出的$T_m = 2847 \pm 15$ K。作者指出，这种低估是 TPC 方法对 CaO 及其他材料的已知局限性。
• 热力学性质：
  • 熔化焓（$\Delta H_f$）：计算值约为 73 kJ/mol（在 3055 K 时）和约 71.6 kJ/mol（在 2847 K 时）。这些值与热力学评估和 AIMD 计算结果一致。
  • 熔化熵（$\Delta S_f$）：计算值（约 24.05–25.14 J·mol$^{-1}$·K$^{-1}$）与 NIST-JANAF 表以及基于 MgO 和 BeO 的估算值一致。
  • 体积膨胀：模拟预测在$T_m$时体积增加约 29%，这与显示液相密度低于固相密度的密度分布图一致。
  • 热膨胀：MLIP 重现了与 AIMD 和实验数据一致的热膨胀趋势，修正了先前经验 BMH 势模拟中观察到的更陡峭的斜率。
• 高压熔化曲线（高达 20 GPa）：
  • 使用 TPC 方法，作者计算了高达 20 GPa 的熔化曲线。
  • 研究证实，过热比（$\eta = T_s/T_m - 1$）在压力下不是常数。它从 0 GPa 时的 17.3% 增加到 20 GPa 时的 24.0%。
  • 经验拟合（$T = aP^b + c$）显示，虽然$T_m$和热不稳定性温度（$T_s$）遵循相似的标度律，但由于高压下完美晶体缺乏成核位点，$T_s$随压力增加得更为陡峭。

意义与主张
本文确立了基于 MLIP 的模拟作为研究离子氧化物相稳定性的稳健且高效的框架。通过在经验势的计算成本下实现从头算精度，该研究解决了先前经验模型中发现的热力学不一致性（特别是关于热膨胀斜率和过热比）。研究结果提供了少数几个关于 CaO 高达 20 GPa 高压熔化曲线的计算确定值之一。至关重要的是，该工作验证了假设固定的过热比来估算压力下的$T_m$是不准确的，因为热不稳定性极限与真实熔点之间的比率随压力变化显著。该研究确认了 CaO 在常压下的熔点高于 3000 K。