利用机器学习势函数探索星际水冰上的CO吸附位点：结合能分布与雪线
星系天体物理
2025-11-19 v1
摘要
背景。一氧化碳（CO）可以说是星际有机化学中最重要的分子。其在非晶态固态水（ASW）冰上的吸附调控了扩散和脱附过程。准确表征CO结合能（BE）对于真实的天体化学建模至关重要。目标。我们旨在推导CO在ASW表面上统计稳健且物理准确的结合能分布，并评估其对实验室程序升温脱附实验和星际化学的影响，重点关注原行星盘。方法。我们在8321个密度泛函理论（DFT）能量和梯度上训练了一个机器学习势函数（MLP），这些数据来自CO与不同尺寸水团簇（22-60个水分子）的相互作用。在广泛基准测试后选择了DFT方法。利用该势函数，我们构建了真实的非多孔和多孔ASW表面，并计算了结合能分布。我们使用对称性适配微扰理论来解释CO在不同吸附位点上的相互作用。结果。我们发现两种ASW形貌均产生类似高斯型的结合能分布，平均值接近900 K。然而，结合相互作用的本质差异很大，且关键取决于表面粗糙度和悬挂OH键。模拟的程序升温脱附曲线在多个覆盖度范围内重现了实验趋势。从天体化学角度来看，全结合能分布的应用对原行星盘中的CO分布产生了显著影响，导致了更宽的CO雪线区域，改善了CO气-冰分配比的预测，并暗示这些天体中有机物分布同样更广。
引用
@article{arxiv.2508.14219,
title = {CO Adsorption Sites on Interstellar Water Ices Explored with Machine Learning Potentials. Binding energy distributions and snowline},
author = {Giulia M. Bovolenta and Germán Molpeceres and Kenji Furuya and Johannes Kästner and Stefan Vogt-Geisse},
journal= {arXiv preprint arXiv:2508.14219},
year = {2025}
}
备注
19 pages, 13 figures. Accepted for publication in Astronomy and Astrophysics (A&A)