DOI: https://doi.org/10.1063/5.0250686
PMID: https://pubmed.ncbi.nlm.nih.gov/39907135
تاريخ النشر: 2025-02-05
المؤلف: Shubhang Goswami وآخرون
الموضوع الرئيسي: الجيولوجيا الفيزيائية عالية الضغط والمواد
نظرة عامة
في هذا القسم، يقدم المؤلفون نتائجهم حول درجة انصهار الهيدروجين الجزيئي الكثيف، باستخدام نموذج تعلم آلي تم تدريبه على بيانات مونت كارلو الكمومية. يبرزون الدور الحاسم لحسابات الطاقة الكلية الدقيقة في عملية تدريب النموذج. لتعزيز دقة منحنى الانصهار، يستخدمون طريقة ذات مرحلتين تتضمن تقديرات من علاقة كلاوزيوس-كلابيرون.
تقدم الدراسة توقعات شاملة لدرجة انصهار الهيدروجين، بالإضافة إلى أحجام الحالة الصلبة والسائلة، والحرارة الكامنة، والطاقة الداخلية للهيدروجين عبر ضغوط تتراوح من 50 جيجا باسكال إلى 180 جيجا باسكال. ومن الجدير بالذكر أنه عند حوالي 173 جيجا باسكال و1635 كلفن، يحدد المؤلفون حدوث تفكك جزيئي في المرحلة السائلة. تتم مقارنة نتائجهم مع المحاكاة الحالية والبيانات التجريبية، مما يساهم في تقديم رؤى قيمة حول سلوك كل من الهيدروجين الكلاسيكي والكمومي تحت ظروف قصوى.
مقدمة
تناقش مقدمة الورقة أهمية الهيدروجين، العنصر الأول في الجدول الدوري، خاصة تحت ظروف قصوى ذات صلة بمجالات مثل الفيزياء الفلكية والاندماج المحصور بالقصور الذاتي. يبرز المؤلفون السياق التاريخي لفهم مخطط مراحل الهيدروجين، مشيرين إلى التوقعات المبكرة التي قدمها ويجنر وهنتنغتون في عام 1935. على الرغم من التقدم، لا يزال من الصعب التنبؤ بدقة بخصائص الهيدروجين عند الضغوط العالية بسبب الصعوبات في إعدادات التجارب والقيود في الطرق الحسابية، وخاصة نظرية الوظائف الكثافة (DFT). تؤكد الورقة على أهمية الانتقال الذري-الجزيئي، أو الانتقال من سائل إلى سائل (LLPT)، وتقدم نتائج حديثة من المحاكاة التي تقترح درجة انصهار أعلى للهيدروجين الجزيئي مما تم الإبلاغ عنه سابقًا.
لمعالجة هذه التحديات، يقترح المؤلفون إمكانية تفاعل بين الذرات تم تعلمها آليًا (MLIP) تعطي الأولوية لوصف الطاقة على حسابات القوة. يستخدمون ديناميكا الجزيئات تحت ضغط ثابت بارينيلو-رحمان لتقدير درجات انصهار الهيدروجين الجزيئي عند الضغوط العالية، حيث تكون البيانات التجريبية نادرة أو غير موثوقة. تناقش الورقة أيضًا استخدام ديناميكا الجزيئات بمسار التكامل لأخذ تأثيرات الكم على البروتونات في الاعتبار وتطوير قاعدة بيانات تحتوي على طاقات وقوى QMC لتدريب نموذج شبكة عصبية. في النهاية، يهدف المؤلفون إلى تقديم تقدير أكثر دقة لخط انصهار الهيدروجين الجزيئي تحت الضغط العالي باستخدام نموذج جديد تم تعلمه آليًا، MACE، الذي يعتقدون أنه يمثل بيانات QMC وسلوك الهيدروجين الفعلي بشكل أفضل.
طرق
في هذا القسم، يناقش المؤلفون منهجيات مختلفة لتحديد درجة انصهار الهيدروجين الجزيئي، مؤكدين على أهمية التقديرات الدقيقة لتقليل التحيزات والأخطاء. يبرزون قيود الأساليب التقليدية، مثل تعديل درجة الحرارة تدريجيًا من الحالة الصلبة إلى السائلة، والتي تعطي فقط حدود فضفاضة على درجات الانصهار. بدلاً من ذلك، يدعون إلى استخدام طريقة أكثر دقة تتضمن التكامل الديناميكي الحر لحساب الطاقة الحرة، والتي تتطلب إدارة دقيقة للأخطاء العددية لتجنب التحيزات في كلا المرحلتين. يشير المؤلفون إلى ميزات فريدة من نوعها في انتقال الانصهار في الهيدروجين الجزيئي، بما في ذلك زوايا الروابط غير المتجهة وتغير الحجم الأدنى عند الانصهار، مما يعقد التحليل مقارنة بالأنظمة الذرية الأبسط.
تشمل الطرق المستخدمة نظرية الوظائف الكثافة (DFT) ومونت كارلو الانتشاري (DMC) لتقييم القوى المؤثرة على ذرات الهيدروجين. تبسط DFT مشكلة الأجسام المتعددة إلى نهج متوسط ذاتي متسق، بينما توفر DMC معالجة أكثر دقة للتفاعلات بين الأجسام المتعددة، على الرغم من تكلفتها الحسابية الأعلى. يؤكد المؤلفون على أهمية اختيار الوظائف الكثافة المناسبة، حيث يمكن أن تؤثر بشكل كبير على الخصائص المحسوبة للهيدروجين الكثيف. بالإضافة إلى ذلك، يقدمون قاعدة بيانات شاملة لقوى DMC والتكوينات، والتي تعتبر مصدرًا قيمًا للبحوث المستقبلية وتطوير نماذج الطاقة المحتملة التجريبية في دراسة الهيدروجين الكثيف.
نتائج
يقدم قسم النتائج درجات انصهار الهيدروجين الجزيئي الكلاسيكي والكمومي المقدرة تحت ضغوط تتراوح من 50 جيجا باسكال إلى 180 جيجا باسكال، كما هو مفصل في الجداول II-III ومبين في الشكل 7. يتم نمذجة درجة الانصهار كدالة للضغط، المشار إليها بـ $T_m(P)$، باستخدام كثيرات حدود تربيعية للهيدروجين الكلاسيكي وكثيرات حدود رباعية للهيدروجين الكمومي، مع توفير المعاملات المناسبة. ومن الجدير بالذكر أن درجة انصهار الهيدروجين الكلاسيكي موصوفة بشكل جيد بواسطة الدالة التربيعية مع المعاملات {509، 9.935، -0.01606}، بينما يتميز خط انصهار الهيدروجين الكمومي بكثيرات الحدود الرباعية {374، 14.51، -0.0661، 1.67 \times 10^{-4}، -1.54 \times 10^{-7}}. تشير التحليلات إلى أن نقطة الانصهار لا تصل إلى أقصى حد للضغوط حتى 180 جيجا باسكال، ويحدث تغيير كبير في المرحلة السائلة حول 189 جيجا باسكال للهيدروجين الكلاسيكي و172 جيجا باسكال للهيدروجين الكمومي، حيث ينتقل من الهيدروجين الجزيئي في الغالب إلى الهيدروجين الذري.
بالإضافة إلى ذلك، تجد الدراسة أن الحجم السائل يتجاوز الحجم الصلب بحوالي 1.4% عبر نطاق الضغط المدروس، وأن الطاقة الداخلية للحالة الصلبة أكبر من تلك الخاصة بالسائلة. تسلط الأبحاث الضوء على انخفاض تدريجي في ميل خط الانصهار مع زيادة الضغط وتقترح أن هناك حاجة لمزيد من التحقيقات لفهم الانتقال الذري-الجزيئي وآثاره على منحنى الانصهار. تشير ملاحظات أطوال الروابط الجزيئية إلى تغييرات كبيرة عند الضغوط فوق 100 جيجا باسكال، مما قد يشير إلى بداية الانتقال الذري-الجزيئي. يختتم القسم بتقرير عن الطاقة الحركية الزائدة للحالة الصلبة على طول خط الانصهار، والتي تستمد أساسًا من طاقة الاهتزاز، مع عرض السائل لطاقة حركية زائدة أقل قليلاً مقارنة بالحالة الصلبة.
مناقشة
في هذا القسم، يناقش المؤلفون تطوير وأداء نموذج التعلم الآلي MACE-M18 لتوقع درجة انصهار الهيدروجين الجزيئي تحت الضغط العالي. تم تدريب النموذج باستخدام قاعدة بيانات الهيدروجين التي تشمل تكوينات مأخوذة من كل من محاكاة الديناميكا الجزيئية الكلاسيكية والكمومية. يبرز المؤلفون التحديات التي تطرحها الانضغاط الكبير للهيدروجين الجزيئي، مما استلزم اختيارًا دقيقًا للتكوينات التدريبية ضمن نطاق ضغط يتراوح من 50 جيجا باسكال إلى 200 جيجا باسكال. أظهر نموذج MACE-M18 انخفاضًا كبيرًا في أخطاء الطاقة والقوة مقارنة بنموذج DPMD السابق، محققًا انخفاضًا بمقدار أربعة أضعاف في أخطاء الطاقة وانخفاضًا بمقدار 2.6 ضعف في أخطاء القوة.
توقعات درجة الانصهار من نموذج MACE-M18 أعلى بشكل ملحوظ من تلك الخاصة بنموذج DPMD، مما يتماشى بشكل أقرب مع البيانات التجريبية. استخدم المؤلفون كل من طريقة المرحلتين وعلاقة كلاوزيوس-كلابيرون لتحديد منحنى الانصهار، محققين حدودًا أكثر دقة على تقديرات درجة الانصهار. كما استكشفوا تأثير الحركة الكمومية للنقطة الصفرية على درجة انصهار الهيدروجين، مشيرين إلى أن نموذج MACE يمكنه دمج هذه التأثيرات الكمومية بشكل فعال. بشكل عام، تشير النتائج إلى أن نموذج MACE-M18 يوفر إطارًا أكثر دقة وموثوقية لفهم سلوك الانصهار للهيدروجين الجزيئي تحت الضغوط العالية، مع آثار محتملة للدراسات المستقبلية في فيزياء الضغط العالي وعلوم المواد.
DOI: https://doi.org/10.1063/5.0250686
PMID: https://pubmed.ncbi.nlm.nih.gov/39907135
Publication Date: 2025-02-05
Author(s): Shubhang Goswami et al.
Primary Topic: High-pressure geophysics and materials
Overview
In this section, the authors present their findings on the melting temperature of dense molecular hydrogen, utilizing a machine learning model trained on quantum Monte Carlo data. They highlight the critical role of precise total energy calculations in the model’s training process. To enhance the accuracy of the melting curve, they employ a two-phase method that incorporates estimates from the Clausius-Clapeyron relation.
The study provides comprehensive predictions for the melting temperature, as well as the solid and liquid volumes, latent heat, and internal energy of hydrogen across pressures ranging from 50 GPa to 180 GPa. Notably, at approximately 173 GPa and 1635 K, the authors identify molecular dissociation occurring in the liquid phase. Their results are compared with existing simulations and experimental data, contributing valuable insights into the behavior of both classical and quantum hydrogen under extreme conditions.
Introduction
The introduction of the paper discusses the significance of hydrogen, the first element in the periodic table, particularly under extreme conditions relevant to fields such as astrophysics and inertially confined fusion. The authors highlight the historical context of understanding hydrogen’s phase diagram, referencing the early predictions by Wigner and Huntington in 1935. Despite advancements, accurately predicting hydrogen’s properties at high pressures remains challenging due to difficulties in experimental setups and limitations in computational methods, particularly density functional theory (DFT). The paper emphasizes the importance of the atomic-molecular transition, or liquid-liquid phase transition (LLPT), and presents recent findings from simulations that suggest a higher melting temperature for molecular hydrogen than previously reported.
To address these challenges, the authors propose a machine-learned interatomic potential (MLIP) that prioritizes energy descriptions over force calculations. They employ Parrinello-Rahman constant pressure molecular dynamics to estimate melting temperatures of molecular hydrogen at high pressures, where experimental data is scarce or unreliable. The paper also discusses the use of path integral molecular dynamics to account for quantum effects of protons and the development of a database with QMC energies and forces to train a neural network potential. Ultimately, the authors aim to provide a more accurate estimate of the high-pressure melting line of molecular hydrogen using a new machine-learned model, MACE, which they believe better represents the QMC data and the actual behavior of hydrogen.
Methods
In this section, the authors discuss various methodologies for determining the melting temperature of molecular hydrogen, emphasizing the importance of accurate estimates to minimize biases and errors. They highlight the limitations of traditional approaches, such as gradually adjusting temperature from solid to liquid phases, which yield only loose bounds on melting temperatures. Instead, they advocate for a more precise method involving thermodynamic integration to calculate free energy, which requires careful management of numerical errors to avoid biases in both phases. The authors note unique features of the melting transition in molecular hydrogen, including disoriented bond angles and minimal volume change at melting, which complicate the analysis compared to simpler atomic systems.
The methods employed include Density Functional Theory (DFT) and Diffusion Monte Carlo (DMC) to evaluate the forces acting on hydrogen atoms. DFT simplifies the many-body problem into a self-consistent mean-field approach, while DMC provides a more accurate treatment of many-body correlations, albeit at a higher computational cost. The authors emphasize the significance of selecting appropriate density functionals, as they can substantially influence the calculated properties of dense hydrogen. Additionally, they present a comprehensive database of DMC forces and configurations, which serves as a valuable resource for future research and empirical potential energy model development in the study of dense hydrogen.
Results
The results section presents the estimated melting temperatures of classical and quantum molecular hydrogen under pressures ranging from 50 GPa to 180 GPa, as detailed in Tables II-III and illustrated in Fig. 7. The melting temperature as a function of pressure, denoted as $T_m(P)$, is modeled using a quadratic polynomial for classical hydrogen and a quartic polynomial for quantum hydrogen, with respective coefficients provided. Notably, the classical melting temperature is well-described by the quadratic function with coefficients {509, 9.935, -0.01606}, while the quantum melting line is characterized by the quartic polynomial {374, 14.51, -0.0661, 1.67 \times 10^{-4}, -1.54 \times 10^{-7}}. The analysis indicates that the melting point does not reach a maximum for pressures up to 180 GPa, and a significant change in the liquid phase occurs around 189 GPa for classical hydrogen and 172 GPa for quantum hydrogen, transitioning from predominantly molecular to atomic hydrogen.
Additionally, the study finds that the liquid volume exceeds the solid volume by approximately 1.4% across the examined pressure range, and the internal energy of the solid is greater than that of the liquid. The research highlights a progressive decrease in the slope of the melting line with increasing pressure and suggests that further investigations are necessary to understand the atomic-molecular transition and its implications for the melting curve. Observations of molecular bond lengths indicate significant changes at pressures above 100 GPa, potentially signaling the onset of the atomic-molecular transition. The section concludes with a report on the excess kinetic energy of the solid along the melting line, which is primarily derived from the energy of the vibron, with the liquid exhibiting slightly lower excess kinetic energy compared to the solid.
Discussion
In this section, the authors discuss the development and performance of the MACE-M18 machine learning model for predicting the melting temperature of molecular hydrogen under high pressure. The model was trained using a hydrogen database that includes configurations sampled from both classical and quantum molecular dynamics simulations. The authors highlight the challenges posed by the significant compression of molecular hydrogen, which necessitated a careful selection of training configurations within a pressure range of 50 GPa to 200 GPa. The MACE-M18 model demonstrated a substantial reduction in energy and force errors compared to the previous DPMD model, achieving a fourfold decrease in energy errors and a 2.6-fold decrease in force errors.
The melting temperature predictions from the MACE-M18 model are notably higher than those from the DPMD model, aligning more closely with experimental data. The authors employed both the two-phase method and the Clausius-Clapeyron relation to establish the melting curve, achieving tighter bounds on the melting temperature estimates. They also explored the impact of quantum zero-point motion on the melting temperature of hydrogen, indicating that the MACE model can effectively incorporate these quantum effects. Overall, the findings suggest that the MACE-M18 model provides a more accurate and reliable framework for understanding the melting behavior of molecular hydrogen at high pressures, with potential implications for future studies in high-pressure physics and materials science.