由机器学习势揭示的下地幔中氢的扩散

氢可作为缺陷掺入名义无水矿物（包括布里奇曼石与后钙钛矿）中，使地球深部地幔成为潜在的重要水储库。下地幔中氢的扩散及其对电导率的贡献鲜有探索，且在很大程度上未受约束。本文中，我们利用具有第一性原理精度的机器学习势驱动的 molecular dynamics 模拟，计算含水布里奇曼石与后钙钛矿中的氢扩散率。我们的发现表明，氢扩散率随温度升高与压力降低而显著增加，并且对氢掺入机制相当敏感。在所考察的四种缺陷机制中，(Mg + 2H)$_{\rm Si}$ 与 (Al + H)$_{\rm Si}$ 呈现相似模式并产生最高的氢扩散率。氢在后钙钛矿中的扩散通常快于在布里奇曼石中，且这两相表现出不同的扩散各向异性。总体而言，氢扩散在地质时间尺度上缓慢，并可能导致下地幔中水的非均匀分布。此外，布里奇曼石中 (Mg + 2H)$_{\rm Si}$ 与 (Al + H)$_{\rm Si}$ 缺陷的质子电导率与下地幔电导率同数量级，表明可通过考察电导率的非均匀性来推断下地幔中的水的分布。