Estudio de propiedades estructurales y dinámicas del Fe líquido a altas presiones y temperaturas mediante simulaciones de primeros principios y redes neuronales

Abstract

El presente trabajo se centra en el desarrollo y aplicación de un potencial interatómico de aprendizaje automático (Machine Learning Interatomic Potential, MLIP) de redes neuronales (NN, Neural Network) entrenado a partir de energías y fuerzas calculadas con simulaciones de primeros principios (AIMD, Ab Initio Molecular Dynamics). Este potencial se utiliza posteriormente en simulaciones de dinámica molecular clásica (CMD, Classical Molecular Dynamics) del hierro a lo largo de su línea de fusión en cuatro estados termodinámicos, con presiones de 58, 96, 157 y 262 GPa, y temperaturas de 2900, 3800, 4500 y 5700 K. Los dos estados termodinámicos más altos están a condiciones del núcleo externo terrestre. Los resultados de las simulaciones se utilizan luego para calcular algunas propiedades estáticas y dinámicas del hierro, las cuales se comparan con las obtenidas en simulaciones de primeros principios y algunos datos experimentales disponibles. Este nuevo potencial ha permitido ampliar el tamaño del sistema estudiado a 6400 átomos, durante tiempos de hasta 200 ps, manteniendo una precisión comparable con las simulaciones AIMD, lo que mejora significativamente la fiabilidad estadística. Los resultados obtenidos demuestran que el potencial de NN permite realizar simulaciones de sistemas más grandes y durante tiempos más prolongados manteniendo una alta precisión comparada con las simulaciones AIMD. Las propiedades estructurales, como la función de distribución de pares y el factor de estructura, así como las propiedades dinámicas, como la función de autocorrelación de velocidad, el coeficiente de autodifusión, el coeficiente de viscosidad, la velocidad del sonido adiabática, la velocidad de las ondas de sonido transversales y la frecuencia de Einstein muestran una buena concordancia con datos experimentales existentes y estudios realizados mediante simulaciones AIMD. En conclusión, el uso de potenciales MLIP en simulaciones de dinámica molecular (MD, del inglés Molecular Dynamics) representa un avance significativo en las simulaciones atomísticas al permitir estudiar sistemas con precisión comparable a las simulaciones AIMD, pero a un costo computacional similar al de las simulaciones de CMD.