通过机器学习分子动力学理解镁的溶解
材料科学
2025-02-18 v1 原子物理
摘要
由于其优异的性能，镁合金在各种潜在的工业应用中变得越来越重要，特别是在储能领域。然而，对镁在最常见水溶液环境中的溶解机制仍缺乏清晰理解，这仍然是一个关键挑战，阻碍了镁合金的更广泛应用。为了解决镁合金研究中悬而未决的关键争议，通过将机器学习分子动力学与密度泛函理论相结合，研究了镁的原子尺度析氢过程与溶解机制。这些争议包括镁反应中间体的存在、单价 Mg+ 的形成、析氢与镁溶解涉及的具体反应步骤，以及表面膜的产生与生长机制。结果表明，镁溶解过程中的中间体是固相 MgOH，其表现出类 MgO 结构。MgOH 中的镁被确认为广泛认可的单价 Mg+。形成了主要由 MgOH 相及少量 MgO 组成的中间膜。该膜通过向镁基底内部延伸而向内生长。在水分充足的情况下，该膜进一步氧化形成 Mg(OH)2。这些发现突出了 MgOH 相在镁溶解过程中的关键作用，从而提出了以 MgOH/MgO 固相作为中间体的溶解模型。这些见解加深了对镁溶解的理解，为开发更有效的镁合金防腐策略铺平了道路，也可能促进镁在储能应用中的利用。
引用
@article{arxiv.2502.10756,
title = {Understanding Magnesium Dissolution through Machine Learn-ing Molecular Dynamics},
author = {Zhoulin Liu and Jianchun Sha and Guang-Ling Song and Ziliang Wang and Yinghe Zhang},
journal= {arXiv preprint arXiv:2502.10756},
year = {2025}
}