利用机器学习分子动力学方法研究类木行星内部的氢-氦不相溶边界

《Nature Communications》：Hydrogen-helium immiscibility boundary in gas-giant planetary interiors from machine-learning molecular dynamics

　　

摘要

氢-氦（H/He）不相溶边界的定位决定了巨行星中是否会发生氦雨以及氦雨发生的地点，然而这一边界仍然存在不确定性，因为高压实验具有挑战性，而从头算模拟在系统规模和模拟时间上存在限制。我们通过利用在三种密度泛函近似（PBE、vdW-DF和混合HSE）上训练的机器学习势来计算依组成变化的化学势，从而绘制出这一边界。在100-1000 GPa的压力范围内，物质分离的温度通常比使用小系统规模进行的前期从头算模拟低约2000 K，这种差异超过了所选密度泛函、机器学习势的估计误差、核量子效应的忽略以及统计不确定性所带来的影响。将H/He混合自由能拟合到Redlich-Kister规则溶液模型中，可以合理解释相分离的热力学驱动力，并为这一边界提供了一个预测性的表征。与当前行星内部结构的比较表明，土星内部可能发生氦雨，而在木星较温暖的区域则不太可能。我们的结果缩小了H/He不相溶边界的不确定性，并为结合了气体巨行星中物质分离、热量传输和成分梯度的行星模型提供了依据。