氢的液-液相转变及其临界点：基于 ab initio 模拟与机器学习势的分析
统计力学
2024-12-20 v1
摘要
我们使用机器学习原子势对高压氢的液相进行模拟，近似其分子解离。该模型基于密度泛函理论（DFT）力和能量进行训练，采用 Perdew-Burke-Ernzerhof（PBE）交换-关联泛函。我们表明，一个精确的 NequIP 模型，即一个 E(3) 等向神经网络势，能够准确再现 PBE 中的相转变。此外，该模型的计算效率使得可进行大幅度的分子动力学轨迹，从而可以进行有限尺度缩放（FSS）分析，以区分交叉和真正的一阶相转变。我们将该相转变的临界点，即液-液相转变（LLPT），定位在 1200-1300 K 和 155-160 GPa，温度低于大多数先前估计值，接近熔化转变。
引用
@article{arxiv.2412.14953,
title = {The liquid-liquid phase transition of hydrogen and its critical point: Analysis from ab initio simulation and a machine-learned potential},
author = {Mathieu Istas and Scott Jensen and Yubo Yang and Markus Holzmann and Carlo Pierleoni and David M. Ceperley},
journal= {arXiv preprint arXiv:2412.14953},
year = {2024}
}