通过机器学习原子间势对SF6/N2混合物扩散的多尺度洞察
发布时间:2026-08-30 | 来源:Nature Scientific Reports | 作者:Ke Zhao
六氟化硫(SF₆)因其优异的介电性能和绝缘特性,在高压电气设备中广泛用作绝缘和灭弧介质。然而,SF₆也是一种强效温室气体,因此将SF₆与惰性气体(如N₂)混合是减少其用量的可行途径。SF₆/N₂混合气体的扩散特性在混合气体的分离或补充过程中起着关键作用,因为它们决定了混合气体的比例和均匀性。通过结合从头算分子动力学(A
六氟化硫(SF₆)因其优异的介电性能和绝缘特性,在高压电气设备中广泛用作绝缘和灭弧介质。然而,SF₆也是一种强效温室气体,因此将SF₆与惰性气体(如N₂)混合是减少其用量的可行途径。SF₆/N₂混合气体的扩散特性在混合气体的分离或补充过程中起着关键作用,因为它们决定了混合气体的比例和均匀性。通过结合从头算分子动力学(AIMD)和机器学习分子动力学(MLMD)模拟,对SF₆/N₂混合物中的SF₆和N₂进行了系统表征,揭示了其多尺度扩散动力学。在短时间尺度上,SF₆和N₂均表现出预期的弹道区,具有超扩散标度行为。在中间时间尺度上,SF₆比N₂展现出更明显的平台状交叉现象,这与SF₆的分子柔性及其相关的转动和振动动力学一致。在长时间尺度上,SF₆和N₂逐渐接近正常扩散。此外,还提出了一个理论模型,用于定量描述均方位移(MSD)曲线的非菲克特性。这项工作为SF₆/N₂混合物中SF₆和N₂的动力学提供了更完整的物理图景,并为SF₆/N₂混合电气设备中的气体补充提供了有益参考。
返回资讯频道