机器学习潜力揭示下地幔中的氢扩散,arXiv

氢可能作为缺陷融入到名义上的无水矿物中，包括桥锰矿和后钙钛矿，使地球深层地幔成为潜在的重要水库。氢的扩散及其对下地幔电导率的贡献很少被探索，并且在很大程度上仍然不受限制。在这里，我们使用由从头开始的机器学习潜力驱动的分子动力学模拟来计算水合桥石和后钙钛矿中的氢扩散率。我们的研究结果表明，氢扩散率随着温度的升高和压力的降低而显着增加，并且对氢的结合机制相当敏感。在检查的四种缺陷机制中，(Mg + 2H)$_{rm Si}$ 和 (Al + H)$_{rm Si}$ 显示出相似的模式并产生最高的氢扩散率。氢在后钙钛矿中的扩散通常比在桥锰矿中更快，并且这两相表现出明显的扩散各向异性。总体而言，氢扩散在地质时间尺度上很慢，可能导致下地幔中水的不均匀分布。此外，(Mg + 2H)$_{rm Si}$ 和 (Al + H)$_{rm Si}$ 缺陷的桥锰矿质子电导率与下地幔电导率处于同一数量级，这表明通过检查电导率的不均匀性可以推断出下地幔中的水分布。

"点击查看英文标题和摘要"

相关知识

地幔扩散蠕变
学术报告：数据驱动下的地幔辉石中“水”扩散研究
我国科学家在大陆地幔中发现来自海洋的锂元素
地球地幔运转模式演变被揭示
SR：扩散作用可致地幔中锂同位素不均一
中科大揭示地球地幔运转模式演变
中国科大揭示地球地幔运转模式演变
【科技前沿】地球地幔运转模式演变被揭示
ArXivQA: 基于大型语言模型的自动化arXiv论文问答系统
智能化运维：机器学习在系统监控中的应用

网址: 机器学习潜力揭示下地幔中的氢扩散,arXiv https://www.huajiangbk.com/newsview2044329.html