氢吸附于 TiCr$_2$ 氟磷化物中的机器学习势能
材料科学
2025-11-25 v2
摘要
研究 C15 立方和 C14 六方 TiCrH 氟磷化物中氢的吸附能，使用密度泛函理论（DFT）和机器学习原子势能（MLIPs）。MLIPs 通过一系列主动学习方案生成的配置进行训练。基于 MLIPs 的盆地跳跃蒙特卡洛（Basin-hopping Monte Carlo, BHMC）模拟预测了最低能量氢构型，以及氢的形成焓和氢序列表。得到的 0 K 相变与低温下的实验结果良好一致。预测的氢溶解极限为 0 K 下的低浓度 相中分别为 C15 和 C14 相的 和 。在这些浓度下，C15 TiCrH 显示 单斜对称性，而 C14 TiCrH 显示 正交对称性，两者均未在该体系中报告。第一个和第二个氢相，即 和 ，在 0 K 下分别位于 和 处，适用于 C15 和 C14 两种相。第二个氢相 中，C15 TiCrH 显示 四方对称性，而 C14 TiCrH 显示 六方对称性。发现氢之间的排斥作用可延伸至相邻的间隙中，从而影响氢的有序。此外，在低氢浓度下， AB 间隙在 C14 TiCrH 中能量显著优于其他 AB 间隙，影响了氢的占据趋势。
关键词
引用
@article{arxiv.2503.22824,
title = {Machine Learning Potentials for Hydrogen Absorption in TiCr$_2$ Laves Phases},
author = {Pranav Kumar and Fritz Körmann and Blazej Grabowski and Yuji Ikeda},
journal= {arXiv preprint arXiv:2503.22824},
year = {2025}
}