通过机器学习建立的原子间势能模型，对SF6/N2混合物扩散过程的多尺度特性进行深入研究

《Scientific Reports》：Multiscale insights into the diffusion of SF6/N2 mixtures via machine-learning interatomic potentials

　　

摘要

六氟化硫（SF₆）因其优异的介电性能和绝缘特性，被广泛应用于高压电气设备中，作为绝缘和灭弧介质。然而，SF₆也是一种强效的温室气体，因此将其与氮气（N₂）等惰性气体混合是一种减少其使用量的有效方法。SF₆/N₂混合物的扩散特性在气体分离或补充过程中起着关键作用，因为这些特性决定了混合物的比例和均匀性。通过结合第一性原理分子动力学（AIMD）和机器学习分子动力学（MLMD）对SF₆/N₂混合物中SF₆和N₂的运动行为进行模拟，我们系统地研究了它们的多尺度扩散特性。在短时间内，SF₆和N₂均表现出预期的弹道扩散行为。在中等时间尺度下，SF₆出现比N₂更为明显的平台状拐点，这与SF₆的分子柔韧性以及相关的旋转和振动动力学特性一致。在更长的时间尺度上，SF₆和N₂都逐渐趋近于正常扩散。同时，我们还提出了一个理论模型来定量描述MSD曲线中的非费克扩散特征。本研究为SF₆/N₂混合物中SF₆和N₂的运动行为提供了更为完整的物理图景，并为SF₆/N₂混合电气设备中的气体补充提供了有用的参考。