基于机器学习势能确定的硅氧体 seifertite 与 pyrite 型相态关系
材料科学
2025-10-16 v1 地球物理
摘要
硅氧体(SiO2)是工业技术和行星科学的基础，但其高压多晶型的相关系仍不清楚。本文开发了两个用于 SiO2 的机器学习势能(MLPs)，通过深度神经网络忠实地表示 SCAN 和 PBEsol 交换-关联函数，在宽温度(1000-10000 K)和压力(100-400 GPa)范围内。凭借这些势能驱动的大规模两相模拟，我们确定了 seifertite 和 pyrite 型 SiO2 的熔化曲线，并推断了这两种相之间的固-固相边界。SCAN 功能捕捉中间范围的 van der Waals 相互作用，能够以高保真度再现结构和热力学性质，预测熔化温度高出 6-10%，seifertite 向 pyrite 型相变压力高出 22%。该相变的强负 Clapeyron 斜率(-6.1 MPa/K)表明，超地球型系外行星的地幆对流可能高度分层，从而可能影响其长期热力学演化和宜居性。
引用
@article{arxiv.2510.13119,
title = {Melting phase relation of seifertite and pyrite-type SiO2 determined by machine learning potentials},
author = {Doyoon Park and Xin Deng and Jie Deng},
journal= {arXiv preprint arXiv:2510.13119},
year = {2025}
}