Calcolo del coefficiente di diffusione dell'idrogeno nel magnesio mediante algoritmi di machine learning

Comprendere e predirre correttamente il meccanismo di diffusione dell'idrogeno in materiali solidi, risulta particolarmente complicato a causa delle complesse interazioni tra l'idrogeno e il reticolo cristallino. Per descrivere in modo preciso queste interazioni sono necessarie simulazioni che riguardano larghe scale di lunghezza e di tempo, rendendo inefficiente l'impiego di tecniche che sfruttano calcoli ai principi primi. Questo studio affronta questo problema utilizzando algoritmi di On-the-fly Machine Learning per le simulazioni di dinamica molecolare. Grazie a questa tecnica si è addestrato un force field in grado di riprodurre correttamente le interazioni tra i difetti di idrogeno e il reticolo di magnesio, ottenendo un coefficiente di diffusione dell'idrogeno di 1.8*10^(-8) m²/s a 673 K per MgH_0.03, in buon accordo con i dati sperimentali. Il procedimento utilizzato riduce significativamente il costo computazionale rispetto ai calcoli ab initio, raggiungendo comunque una precisione a livello DFT.