Modellizzazione microcinetica della corrosione in ambiente acido da primi principi e dinamica molecolare con apprendimento automatico

Perché i metalli arrugginiscono più velocemente in liquidi aggressivi

Dai gasdotti agli autoveicoli e alle navi, molte strutture vitali sono realizzate in acciaio, che può dissolversi silenziosamente se esposto ad acqua acida. Questo articolo affronta una sfida di lunga data: prevedere, a partire dalla scala atomica, con quale velocità il ferro si corrode in tali ambienti e come elementi di lega come il manganese alterino tale velocità. Gli autori combinano calcoli quantistici e apprendimento automatico per costruire un quadro dettagliato e basato sulla fisica di come gli atomi metallici lasciano una superficie e di come il gas idrogeno si produce insieme a questa perdita.

Costruire un ponte dagli atomi ai tassi di corrosione

Gli ingegneri hanno da tempo utilizzato formule empiriche per stimare la corrosione, ma queste spesso trascurano i reali passaggi atomici coinvolti. I modelli esistenti tendono a indovinare le barriere energetiche, ignorano come la superficie sia coperta da acqua e specie reattive a diversi potenziali e livelli di acidità, e aggregano la perdita di metallo in un unico processo a molti elettroni. Al contrario, questo studio costruisce un quadro che parte da calcoli di struttura elettronica da primi principi e poi usa la dinamica molecolare con apprendimento automatico per seguire atomi e molecole d’acqua in movimento a un’interfaccia metallo–liquido realistica. Ciò permette al gruppo di calcolare quanto è difficile il procedere delle reazioni chiave e di collegare direttamente quelle barriere a correnti misurabili e tassi di corrosione.

Come gli atomi di ferro sfuggono alla superficie

Gli autori analizzano innanzitutto come un atomo di ferro lascia una superficie piana di ferro in soluzione acida. In queste condizioni, molecole d’acqua si adsorbono sulla superficie, si dissociano e formano un’unità ferro–ossigeno–idrogeno di breve durata. Lo studio mostra che il passo più lento e quindi determinante è quando questa unità FeOH adsorbita cede un elettrone e si stacca nella soluzione, sulla strada per diventare un ione ferro completamente idratato circondato da molecole d’acqua. Tracciando il panorama dell’energia libera mediante campionamento aumentato e un modello di interazione appreso con machine learning, trovano una barriera che controlla la velocità di circa 0,76 elettronvolt. Con questa barriera e coperture di superficie accuratamente calcolate, il loro modello riproduce misure sperimentali come la pendenza della curva corrente–voltaggio e l’energia di attivazione apparente per la dissoluzione del ferro in acido forte.

Seguire le bolle di idrogeno dai protoni al gas

La corrosione in ambiente acido non riguarda solo la perdita di metallo; essa produce anche gas idrogeno. Lo studio quindi analizza la sequenza di passaggi mediante i quali i protoni dalla soluzione acquistano elettroni sulla superficie per formare atomi di idrogeno adsorbiti e poi combinarsi in molecole di idrogeno. Usando lo stesso approccio di dinamica molecolare con apprendimento automatico, gli autori calcolano le barriere energetiche per tre passaggi classici: la riduzione iniziale del protone, un passaggio elettrochimico misto in cui un protone reagisce con un idrogeno adsorbito, e un passaggio puramente chimico in cui due atomi di idrogeno adsorbiti si uniscono. I loro calcoli indicano un percorso in cui il primo passaggio, la riduzione del protone, è quello che controlla la velocità nella finestra di potenziali rilevante. In modo intrigante, le simulazioni rivelano che i protoni non si limitano a diffondere dal fluido di massa verso la superficie; invece, saltano lungo catene di molecole d’acqua in una modalità a staffetta, riecheggiando il ben noto meccanismo di Grotthuss nell’acqua liquida.

Cosa succede quando si aggiunge il manganese

Gli acciai spesso contengono manganese per migliorarne le proprietà meccaniche, ma la sua influenza sulla corrosione può essere sottile. Per esplorare questo effetto, gli autori introducono un singolo atomo di manganese nello strato esterno della superficie di ferro e ripetono l’analisi. Vicino a questo sito di manganese, sia la barriera per la dissoluzione di un atomo di ferro sia la barriera per il passaggio chiave dell’idrogeno risultano ridotte. Quando il comportamento locale attorno al manganese viene combinato con quello del ferro circostante in modo pesato per area, la corrente di corrosione complessiva aumenta di diversi ordini di grandezza e il potenziale di corrosione si sposta verso valori più negativi. Queste tendenze corrispondono alle osservazioni sperimentali secondo cui gli acciai ricchi di manganese tendono a corrodersi più rapidamente in mezzi acidi.

Da modelli dettagliati ad leghe più sicure

Dimostrando che barriere energetiche a livello atomico e coperture di superficie realistiche possono riprodurre con accuratezza correnti e potenziali di corrosione misurati per il ferro, questo lavoro mostra un modo potente per prevedere come i metalli si degradano in ambiente acido. Lo stesso flusso di lavoro può, in linea di principio, essere applicato ad altri metalli, orientazioni di superficie ed elementi di lega, e a diversi livelli di acidità. Per i non specialisti, il messaggio chiave è che la corrosione non deve essere trattata come un problema puramente empirico: con il calcolo moderno e l’apprendimento automatico diventa possibile testare virtualmente come le scelte di progettazione nella composizione delle leghe e nell’ambiente influenzeranno la durata delle infrastrutture critiche.

Citazione: Bao, E., Xu, W., Ma, H. et al. Microkinetic modeling of acidic corrosion from first principles and machine-learning molecular dynamics. npj Comput Mater 12, 185 (2026). https://doi.org/10.1038/s41524-026-02047-4

Parole chiave: corrosione acida, dissoluzione del ferro, evoluzione dell’idrogeno, dinamica molecolare con apprendimento automatico, progettazione delle leghe