[論文レビュー] A first-principles machine-learning force field for heterogeneous ice nucleation on microcline feldspar

Pablo M. Piaggi, Annabella Selloni+3 more|arXiv (Cornell University)|May 17, 2023

Cryospheric studies and observationsEarth and Planetary Sciences被引用数 3

ひとこと要約

本研究では、密度汎関数理論（SCAN）に基づく第一原理的機械学習力場を構築し、マイクロクリンフェルドスパー表面における氷核生成を高精度でモデル化した。この力場により、最大30,000原子に達する大規模系の安定な第一原理的分子動力学シミュレーションが可能となり、(010)および(001)面の非最小結合切断終着状態が表面ヒドロキシル化および静電的効果によって安定化され、界面から約10 Åまでの水の構造が歪められていることが明らかになった。

ABSTRACT

The formation of ice in the atmosphere affects precipitation and cloud properties, and plays a key role in the climate of our planet. Although ice can form directly from liquid water at deeply supercooled conditions, the presence of foreign particles can aid ice formation at much warmer temperatures. Over the past decade, experiments have highlighted the remarkable efficiency of feldspar minerals as ice nuclei compared to other particles present in the atmosphere. However, the exact mechanism of ice formation on feldspar surfaces has yet to be fully understood. Here, we develop a first-principles machine-learning model for the potential energy surface aimed at studying ice nucleation at microcline feldspar surfaces. The model is able to reproduce with high fidelity the energies and forces derived from density-functional theory (DFT) based on the SCAN exchange and correlation functional. We apply the machine-learning force field to study different fully-hydroxylated terminations of the (100), (010), and (001) surfaces of microcline exposed to vacuum. Our calculations suggest that terminations that do not minimize the number of broken bonds are preferred in vacuum. We also study the structure of supercooled liquid water in contact with microcline surfaces, and find that water density correlations extend up to around 1 nm from the surfaces. Finally, we show that the force field maintains a high accuracy during the simulation of ice formation at microcline surfaces, even for large systems of around 30,000 atoms. Future work will be directed towards the calculation of nucleation free energy barriers and rates using the force field developed herein, and understanding the role of different microcline surfaces on ice nucleation.

研究の動機と目的

• 第一原理的DFTに基づく高精度な機械学習力場を開発し、マイクロクリンフェルドスパー表面における異相氷核生成を研究すること。
• 実験的証拠により高い氷核生成効率を示すものの、依然としてメカニズムが十分に解明されていないフェルドスパー表面における氷核生成の原子論的メカニズムを解明すること。
• 真空および液体水中におけるマイクロクリン(100)、(010)、(001)面の異なるヒドロキシル化表面終着状態の安定性を調査すること。
• マイクロクリン表面近傍の過冷却液体水の構造を特徴づけ、界面近傍の水密度相関関係を評価すること。
• マイクロクリン表面における氷形成の高精度で大規模な第一原理的分子動力学シミュレーションを可能にすること。

提案手法

• 機械学習力場は、SCAN交換相関関数を用いたDFT計算から得られた多様な構造配置のデータセットを用いてトレーニングされた。
• トレーニングセットには、バルク過冷却水、六方晶および立方晶の氷、マイクロクリン、および真空中・液体水中・氷環境下における完全ヒドロキシル化フェルドスパー表面を含む。
• ポテンシャルエネルギー面における回転および並進不変性を保証するため、原子環境の対称性を保つ表現をモデルが用いる。
• 分子動力学シミュレーションは、トレーニング済みの力場を用いて、表面安定性、水の構造、および氷核生成ダイナミクスを調査するために実施された。
• 核生成経路を調査するために、(001)面における氷クラスタの自発的形成を促進するバイアスポテンシャルが適用された。
• 力精度は、予測された力と参照DFT力との比較により検証され、大規模系において平均誤差が約30 meV/Åに達した。

実験結果

リサーチクエスチョン

• RQ1 完全ヒドロキシル化され真空中に露出したマイクロクリン(100)、(010)、(001)面のうち、どの表面終着状態が熱力学的に最も安定か？
• RQ2 マイクロクリン表面近傍の過冷却液体水の構造は、バルクと比べてどのように異なっているか？また、これらの影響はどのスケールで観察されるか？
• RQ3 機械学習力場は、大規模系において第一原理的理論水準でマイクロクリン表面における氷核生成のダイナミクスを高精度にシミュレートできるか？
• RQ4 表面ヒドロキシル化および静電的効果は、マイクロクリン表面の非最小結合切断終着状態の安定化に果たす役割は何か？
• RQ5 実験で示唆されているように、マイクロクリン表面に形成された氷は、フェルドスパー格子と特定の方位関係を示すか？

主な発見

• 先行研究（Kiselevら）で提案された(100)面終着状態は、比較された2つの終着状態の中で真空中で最も安定であることが判明した。
• (010)および(001)面では、結合の最小切断を実現しない終着状態が、より高い水素結合性と露出したK+イオンによる静電的反発の低減により、真空中で安定である。
• 水の密度相関はマイクロクリン表面から約10 Åまで延在しており、最初の数層を超えた範囲でも顕著な構造的影響が及んでいることが示された。
• 機械学習力場は、最大約30,000原子の大規模なシミュレーションにおいても高精度を維持し、DFTとの比較で平均力誤差が約30 meV/Åに留まった。
• (001)面にバイアスポテンシャルを適用することで氷の形成が誘導され、安定なダイナミクスとスタッキングフォールトを有するクラスタが得られたが、明確な低指数ミラー面方位関係は観察されなかった。
• 実験で観察された5 Å程度の水密度摂動との乖離は、フェルドスパー多形（マイクロクリン対オルトクライス）の違い、表面終着状態、または実験的分解能の限界に起因する可能性がある。