机器学习原子间势能实现熔融氯化铝 (AlCl3) 的液-汽相平衡研究
化学物理
2024-10-24 v1
摘要
熔盐是很有前景的清洁能源应用候选材料，但实验方法的挑战限制了对它们安全关键的温度-性质相关性的认识。在此，我们开发并应用了机器学习原子间势能 (MLIP) 来研究不同热力学条件下的 AlCl3 熔盐。MLIP 准确预测了该熔盐中 Al2Cl6 二聚体的存在，这与拉曼光谱和中子结构因子的结果一致。利用可获得的实验数据，通过从两相模拟中评估的粘度、表面张力以及液相和汽相密度与温度的相关性，对 MLIP 进行了验证。由此，与报道的 AlCl3 实验值相比，我们精确预测了临界温度和临界密度。本研究中展示的用于紧密预测相平衡的 MLIP 训练方法，可有助于筛选核反应堆相关的盐成分，从而帮助减轻安全隐患。
关键词
引用
@article{arxiv.2410.18009,
title = {Liquid-Vapor Phase Equilibrium in Molten Aluminum Chloride (AlCl3) Enabled by Machine Learning Interatomic Potentials},
author = {Rajni Chahal and Luke D Gibson and Santanu Roy and Vyacheslav S Bryantsev},
journal= {arXiv preprint arXiv:2410.18009},
year = {2024}
}
备注
37 pages, 9 figures