[论文解读] Unveiling and quantifying the topology-dependent pre-melting of nanoparticles

Marthe Bideault, Arnaud Allera+3 more|arXiv (Cornell University)|Feb 18, 2026

nanoparticles nucleation surface interactions被引用 0

一句话总结

该论文通过无监督机器学习识别面/晶面特定熔化，揭示六方密排Co纳米粒子的表面前熔化与晶面相关，并通过二维Gibbs–Thomson关系将晶面温度与纳米粒子尺寸联系起来，定义一个全球熔化的尺寸相关临界液层厚度。

ABSTRACT

The melting of metallic nanoparticles is governed by surface pre-melting, a phenomenon traditionally modeled as the isotropic growth of a uniform liquid shell. Challenging this classical view, we report facet-dependent surface pre-melting in hexagonal close-packed Co nanoparticles, arising from the structural heterogeneity of the nanoparticle surface. Characterizing melting in molecular dynamics simulations (500 to 6000 atoms), we observe the onset of surface mobility, starting as low as $0.2 imes T_{M,\infty}$ (the bulk melting point), driven by the early disordering of stepped $\{01\bar{1}1\}$ facets. We found that these facets consistently melt at temperatures nearly 200 Kelvin lower than flat $\{0001\}$ facets, regardless of particle size, and relate facets melting temperatures to the nanoparticle size via a 2D extension of the Gibbs-Thomson relation. We determine a critical liquid layer thickness that triggers the melting of the entire nanoparticle, which is found to be size-dependent. Our results confirm the recent experimental observation of the surface pre-melting effect, and extend it to anisotropic particles with different facet orientations.

研究动机与目标

• 理解纳米粒子表面拓扑如何影响前熔化与熔化行为的非各向同性模型之外的机理。
• 量化hcp Co纳米粒子在晶面上的起始与进展的晶面特异性表面熔化。
• 开发并应用鲁棒的基于描述符的分析框架，用于分类原子环境并跟踪熔化。
• 将晶面对温度与纳米粒子尺寸联系起来，并将Gibbs–Thomson概念扩展到二维晶面系统。

提出的方法

• 使用机器学习q-SNAP势在DFT-PBE数据标定下对hcp Co纳米粒子（500–6000原子）进行分子动力学模拟。
• 利用无监督的高斯混合模型构建分层的原子环境类别（体相、晶面、边缘、顶点）。
• 通过马氏距离失真分数来量化熔化，在加热过程中将原子分为分布内/分布外以进行分类。
• 从分布外原子比例变化速率的最大点提取全局熔化温度，并与比热容极大值进行交叉验证。
• 通过对晶面原子种群拟合S形函数来分析晶面特异性熔化，以确定{01-11}与{0001}晶面的Tc。
• 将二维晶面系统的Gibbs–Thomson分析扩展，将晶面特征温度与晶面原子计数、粒子尺寸相关联。

实验结果

研究问题

• RQ1 表面拓扑（晶面类型）如何影响钴纳米粒子表面的前熔化从而导致熔化的起始与进展？
• RQ2 是否可以用二维Gibbs–Thomson框架将晶面特异性熔化温度描述为随纳米粒子尺寸变化的函数？
• RQ3 hcp纳米粒子的全球熔点、表面熔化与临界液层厚度之间的关系是什么？
• RQ4 如何利用机器学习描述符在没有任意阈值的情况下鲁棒地分类复杂多模态的原子环境并跟踪熔化？

主要发现

• {01-11}晶面对的熔化温度比{0001}晶面低约200 K，与粒子尺寸无关。
• 全球熔化温度随尺寸以Gibbs–Thomson型关系标度，T_m,NP ≈ T_m,∞ − a N^(−1/3)。
• 存在一个临界液层厚度（或等价的临界异常原子分数τ_c），能触发纳米粒子的完全熔化，并且τ_c随尺寸变化且呈现非单调趋势。
• 对于非常小的纳米粒子，全局熔化需要{0001}晶面的熔化；而较大粒子则早期出现表面前熔化形成液层，且随尺寸增大而变厚。
• 二维Gibbs–Thomson的扩展能准确描述晶面特征温度Tc随晶面原子数n_(hkil)的函数关系，在大N极限下，{01-11}的Tc,∞约为0.60 T_m,∞，{0001}的Tc,∞约为0.77 T_m,∞。
• 失真分数法提供鲁棒、精确的原子环境与异常点识别，优于传统表面熔化分析度量。