[论文解读] Machine-Learned Interatomic Potentials for Predicting Physicochemical Properties of Molten Metal-Salt Systems for Calcium Electrolysis

M. Polovinkin, N. Rybin+6 more|arXiv (Cornell University)|Mar 26, 2026

Molten salt chemistry and electrochemical processes被引用 0

一句话总结

论文开发并基准测试了Ca-Cu熔融合金和CaCl2-KCl熔盐的矩量张量势（MTP），实现了对结构、热力学和输运性质的MD预测，并与实验结果具有良好一致性。它展示了成分可转移性并提供了一个用于电解相关性质预测的框架。

ABSTRACT

The design of efficient electrolysis devices for pure metal production requires accurate data on the properties of the melts used in the process. This work focuses on two key systems for calcium production: the molten Ca-Cu alloy and the CaCl$_2$-KCl electrolyte. High-temperature experiments are often expensive and time-consuming; however, we demonstrate that molecular dynamics (MD) simulations driven by machine-learned Moment Tensor Potentials (MTPs), trained on highly accurate density functional theory data, offer an effective and accurate alternative. Our MTP-driven MD simulations accurately reproduce the structural, thermodynamic, and transport properties across a range of temperatures and compositions relevant to electrolysis systems. We report calculated densities, radial distribution functions, heat capacities, thermal conductivities, ionic conductivities (for the electrolyte), viscosities, and diffusion coefficients, with deviations from experimental data within 20%. The strong agreement between calculations and experiments validates the proposed approach, establishing a robust framework for the computational exploration and optimization of liquid systems in metallurgical applications.

研究动机与目标

• 解决与钙电解相关的熔融Ca-Cu合金与CaCl2-KCl电解质数据空缺
• 开发在高精度DFT数据上训练的成分可转移的MTP
• 在不同温度与成分下将MTP-MD预测与实验测量进行对比验证
• 提供一个预测密度、径向分布函数(RDF)、比热Cp、粘度、扩散系数和离子电导率的计算框架

提出的方法

• 从DFT(VASP、PBE、Ca-Cu的DFT-D3、CaCl2-KCl的dDsC)构建多样化训练集以拟合矩量张量势(MTP)
• 对Ca-Cu进行成分可转移MTP训练，覆盖所有Ca摩尔分数(0–1)，并对CaCl2-KCl建立一个专门的MTP(质量比80:20，摩尔比28:10)
• 使用主动学习结合NPT MD来丰富训练数据并确保稳定性，然后拟合更高级的势
• 用LAMMPS结合MTP进行MD以计算密度、RDF、Cp、粘度、扩散和离子导电率；采用Green-Kubo与Nernst-Einstein形式描述输运性质
• 以RMSE≈5 meV/原子能量与≈80–136 meV/Å力的值与DFT基准对比评估MTP精度
• 将输运与热力学性质与实验数据及文献进行对比验证

实验结果

研究问题

• RQ1 MTP训练的MD是否能在不同成分下再现熔融Ca-Cu的关键结构和热力学性质？
• RQ2 MTP在Ca-Cu的成分可转移性是否能跨成分应对CaCl2-KCl电解质属性预测？
• RQ3 基于MTP的密度、RDF、Cp、粘度、扩散和离子导电率是否与实验数据在可接受误差内一致？
• RQ4 Green-Kubo法在CaCl2-KCl体系中的离子导电率是否比Nernst-Einstein近似更可靠？
• RQ5 在这些与钙电解相关的熔体中，预测的输运性质随温度和成分的变化规律如何？

主要发现

• MTP在验证集上实现约5 meV/原子级别的能量误差和80–136 meV/Å级别的力RMSE
• Ca-Cu密度在0.5–0.8 Ca摩尔分数区间与文献相吻合，纯Ca和Cu在1400 K下的密度分别约在3%和10%以内重现
• Ca-Cu Cp随Ca含量呈非线性上升，Ca-Cu合金的文献Cp数据缺乏，但MTP结果介于纯Ca与Cu之间
• Ca-Cu粘度与成分的一致性符合文献，解决不一致性并支持SES稳定性，Stokes–Einstein关系的最佳拟合参数约为b ≈ 3.7±0.4
• CaCl2-KCl密度与实验数据相符在2–3%内；Cp≈980 J/(kg K)对比实验≈960 J/(kg K)；导热率约0.438 W/mK在1000 K；粘度与扩散趋势与实验一致
• Green-Kubo得到的离子导电率相对于实验的相对误差在6–20%范围，而Nernst-Einstein低估导电率并可能错误地呈现温度依赖性