基于第一性原理深度神经网络模拟的低密度过冷水铁电特征的证据
软凝聚态物质
2024-08-20 v4
摘要
在过去十年中，越来越多的证据支持过冷水中存在亚稳态液-液临界点，即两种不同密度的不同液相共存。通过分析使用深度神经网络力场（训练至精确量子力学数据）执行的长时间分子动力学模拟，我们证明了低密度液相表现出强烈的自发极化倾向，这可由大且长寿命的集体偶极涨落所证实。我们的研究结果表明，低密度相的动力学稳定性，以及由此引发的高密度液相向低密度液相的转变，是由涉及旋转角跳跃累积的集体过程触发的，这可能引发大的偶极涨落。这种动力学转变涉及水分子电子极化率的微妙变化，这会影响它们在两相内的旋转迁移率。这些发现有望为寻找假想第二临界点的基于介电的探针激发新的研究活力。
引用
@article{arxiv.2404.08338,
title = {Evidence of ferroelectric features in low-density supercooled water from ab initio deep neural-network simulations},
author = {Cesare Malosso and Natalia Manko and Maria Grazia Izzo and Stefano Baroni and Ali Hassanali},
journal= {arXiv preprint arXiv:2404.08338},
year = {2024}
}