（反）氟矿物材料的比热异常与局部对称性破缺：基于机器学习分子动力学的研究
材料科学
2024-12-17 v1 无序系统与神经网络
化学物理
摘要
理解具有（反）氟矿结构材料的高温性质对于其在核反应堆中的应用至关重要。本研究采用机器学习分子动力学（MLMD）模拟来探讨氚二氧化物（具有氟矿结构）和锂氧化物（具有反氟矿结构）的高温热性质。我们的结果表明，MLMD 模拟有效地再现了这些材料的报告性热性质。本工作的核心焦点是分析这些材料在高温下的比热异常，通常称为 Bredig、pre-melting 或 过渡。我们展示了一种类似于用于描述超冷水和液态硅中液-液相变的局部序参数，能够有效地表征这些比热异常。该局部序参数识别出两种不同的缺陷结构类型：类似晶格缺陷的结构和液态结构。超过相变温度后，液态结构占主导，移动原子的亚晶格特征消失。
引用
@article{arxiv.2412.11518,
title = {Specific Heat Anomalies and Local Symmetry Breaking in (Anti-)Fluorite Materials: A Machine Learning Molecular Dynamics Study},
author = {Keita Kobayashi and Hiroki Nakamura and Masahiko Okumura and Mitsuhiro Itakura and Masahiko Machida},
journal= {arXiv preprint arXiv:2412.11518},
year = {2024}
}