基于原子环境机器学习的金属表面固有动力学与身份危机
材料科学
2023-03-21 v2 计算物理
摘要
金属传统上被视为硬物质。然而,众所周知,即便远在熔点以下,其原子晶格也可能变得动态并发生重构。金属的固有原子动力学与其块体和表面性质直接相关。因此,理解其复杂结构动力学对许多应用十分重要但并不容易。本文报道深度势分子动力学模拟,以原子分辨率解析近Hüttig温度(约熔点的1/3)下作为示例的各类铜(Cu)表面的复杂动力学。基于DFT计算训练的深度神经网络势提供了动态精确的力场,我们用以模拟不同Cu表面类型的大原子模型。高维结构描述符与无监督机器学习的结合得以识别并追踪有限温度下表面中出现的所有原子环境(AEs)。我们可直接观察到,在特定(理想)表面中非本征、却典型属于其他表面类型的AEs,在该表面中与非本征AEs处于动态平衡时持续地出现/消失。我们的分析得以估计充斥这些Cu表面的所有AEs的寿命,并重建其动态相互转化网络。这揭示了这些金属表面难以捉摸的身份——它们仅部分保持身份,而在相关条件下部分转化为他物。这也提出了金属表面“统计身份”的概念,这是理解其行为与性质的关键。
引用
@article{arxiv.2207.14622,
title = {Innate Dynamics and Identity Crisis of a Metal Surface Unveiled by Machine Learning of Atomic Environments},
author = {Matteo Cioni and Daniela Polino and Daniele Rapetti and Luca Pesce and Massimo Delle Piane and Giovanni M. Pavan},
journal= {arXiv preprint arXiv:2207.14622},
year = {2023}
}