在高溫下,，硅和氧對金屬具有較強的親和力,，因此它們被認為存在于地球內核中；然而,，它們在地球內核中的存在形式一直存在爭議,。有人提出,，在長期冷卻過程中,，F(xiàn)e-Si-O液態(tài)合金可以在地核-地幔邊界處排出二氧化硅，在地核中留下硅或氧,，而不是兩者,。另外一種觀點則認為地球內核中Fe-Si-O液態(tài)合金不存在不相容性或是結晶。
近日,，我校物理與電子信息學院張超教授團隊,，與美國愛荷華州立大學的Cai-ZhuangWang教授團隊和美國哥倫比亞大學Renata Wentzcovitch教授團隊合作，采用基于機器學習的人工智能神經網(wǎng)絡和基于密度泛函理論的第一性原理相結合的方法,，構造了適用于地球內核高溫高壓條件下的Fe-Si-O原子間勢函數(shù),。基于人工智能神經網(wǎng)絡的原子間勢函數(shù)不僅具有密度泛函理論的精度,，同時又兼顧計算效率,。張超教授團隊采用該原子間勢函數(shù)對Fe-Si-O體系進行了大尺寸和長時間的分子動力學研究，結果表明在高溫高壓的Fe-Si-O體系中不存在相分離和不相容性,。這為解決該體系中存在的巨大爭議提供了重要理論依據(jù),，同時也預示著基于人工智能神經網(wǎng)絡的原子間勢函數(shù)在地球內核條件下的應用前景。
圖1：在4800K下Fe189Si23O38體系的徑向分布函數(shù)和原子構型圖
相關研究成果以” Deep machine learning potential for atomistic simulation of Fe-Si-O systems under Earth’s outer core conditions”(在地球內核條件Fe-Si-O體系原子模擬的深度機器學習勢)為題,，于2022年6月7日發(fā)表在美國物理學會期刊PHYSICAL REVIEW MATERIALS（《物理評論材料》）,。上述工作得到了國家自然科學金項目和山東省自然科學基金等項目的資助。
文章鏈接: https://journals.aps.org/prmaterials/abstract/10.1103/PhysRevMaterials.6.063802
