基于机器学习互作用势的磷基润滑剂添加剂在铁表面上的行为
材料科学
2025-12-30 v1
摘要
磷基润滑剂添加剂用于在边界润滑下保护金属接触面，通过形成表面薄膜来减少磨损和摩擦。尽管其重要性已明确，但驱动其减摩效果的分子机制仍不清晰，尤其是磷酸酯类，其分子结构对润滑行为具有决定性影响。本研究我们利用基于机器学习的分子动力学模拟研究了三种代表性磷基添加剂的润滑性能，即 Dibutyl Hydrogen Phosphite (DBHP)、Octyl Acid Phosphate (OAP) 和 Methyl Polyethylene Glycol Phosphate (mPEG-P)。mPEG-P 系列进一步通过改变酯化度和链长进行分析。DBHP 表现出最低的摩擦系数和最大的界面间隙，这源于空间位阻和润滑化学活性，由 P-O 键断裂和增强的 O-Fe 相互作用表明。相比之下，OAP 和 mPEG-P 单酯产生更高的摩擦系数，由于空间保护有限且对剪切抗性降低，导致在极端条件下表面覆盖部分丧失。在 mPEG-P 系列中，多酯和更长链分子显著降低摩擦系数，通过保持更大的间隙实现，表明在严苛的 confined 条件下，空间效应可以凌驾于表面活性之上。总体而言，这些结果提供了分子结构如何控制添加剂性能的原子级见解，支持设计将具有反应性锚固与优化空间结构相结合的磷基润滑剂，以实现持久低摩擦界面。
引用
@article{arxiv.2512.23583,
title = {Phosphorus-based lubricant additives on iron with Machine Learning Interatomic Potentials},
author = {Paolo Restuccia and Enrico Pedretti and Francesca Benini and Sophie Loehlé and M. Clelia Righi},
journal= {arXiv preprint arXiv:2512.23583},
year = {2025}
}