用于钙电解的熔融金属-盐体系物理化学性质的机器学习原子势
材料科学
2026-03-27 v1
摘要
高效电解装置的设计需要对所用熔融液体的性质进行精确数据。本文聚焦于钙生产的两个关键体系：钙-铜合金和钙氯化物-氯化物锂电解液。高温实验往往昂贵且耗时；然而我们展示了由机器学习时序张量势（MTPs）驱动的分子动力学（MD）模拟是一种有效且准确的替代方案，这些势函数在高度准确的密度泛函理论数据上进行训练。我们的MTP驱动的MD模拟准确再现了熔融体系在相关温度和组成下的结构、热力学和输运性质。我们报告计算得到的密度、径向分布函数、比热容、热导率、离子电导率（用于电解液）、粘度和扩散系数，与实验数据之间的偏差均在20%以内。与实验结果的良好一致性验证了所提出的方法，建立了用于金属冶金应用中液体系统计算探索和优化的稳健框架。
引用
@article{arxiv.2603.25330,
title = {Machine-Learned Interatomic Potentials for Predicting Physicochemical Properties of Molten Metal-Salt Systems for Calcium Electrolysis},
author = {M. Polovinkin and N. Rybin and D. Maksimov and F. Valiev and A. Khudorozhkova and M. Laptev and A. Rudenko and A. Shapeev},
journal= {arXiv preprint arXiv:2603.25330},
year = {2026}
}