第一原理と機械学習分子動力学による酸性腐食のマイクロキネティックモデリング

腐食が過酷な液中で早まる理由

送油管や自動車、船舶にいたるまで、多くの重要構造物は鉄鋼で作られており、酸性の水にさらされると静かに溶解することがあります。本論文は長年の課題に取り組みます：原子レベルから出発して、酸性環境で鉄がどれほど速く腐食するか、そしてマンガンのような合金元素がその速度にどう影響するかを予測する方法です。著者らは量子計算と機械学習を組み合わせ、金属原子が表面を離れる過程と同時に水素ガスが生成される様子を詳細かつ物理に基づいて描き出します。

原子から腐食速度への架け橋を構築する

技術者は長年、経験式を用いて腐食を見積もってきましたが、それらはしばしば実際の原子過程を見落としがちです。既存のモデルはしばしばエネルギー障壁を推定で済ませ、異なる電位や酸性度で表面が水や反応種で覆われる様子を無視し、金属の喪失を多電子の一段階でまとめて扱います。これに対して本研究は、第一原理の電子構造計算から出発し、機械学習分子動力学を用いて現実的な金属-液体界面で原子と水分子の運動を追跡する枠組みを構築します。これにより主要反応が進行するための困難さ（エネルギー障壁）を算出し、それらの障壁を測定可能な電流や腐食速度に直接結びつけることが可能になります。

鉄原子が表面を抜け出す仕組み

著者らはまず、酸性溶液中で平坦な鉄表面から鉄原子が離れる過程を分解して解析します。この条件下では、水分子が表面に吸着して解離し、短命なFe–O–Hユニットを形成します。本研究は、支配的で最も遅いステップが、この吸着したFeOHユニットが電子を放出して溶液中に脱離し、最終的に水分子に囲まれた完全に水和された鉄イオンになっていく過程であることを示します。強化サンプリングと機械学習で学習した相互作用モデルを用いて自由エネルギー地形を追跡した結果、律速となる障壁は約0.76電子ボルトであると見積もられました。この障壁と精密に計算された表面被覆率を用いることで、モデルは強酸中での電流-電圧曲線の傾きや鉄の溶出に対する見かけの活性化エネルギーといった実験値を再現します。

プロトンから気体へ：水素泡ができるまでの追跡

酸での腐食は金属喪失だけでなく水素ガスも生成します。したがって本研究は、溶液中のプロトンが表面で電子を受け取り吸着水素原子となり、それが結合して水素分子になるまでの一連のステップを解析します。同じ機械学習分子動力学手法を用いて、著者らは代表的な三段階の障壁を算出しました：初期のプロトン還元、プロトンが吸着水素と反応する混合電気化学ステップ、そして二つの吸着水素が結合する純粋に化学的なステップです。計算は、対象となる電位範囲では最初のステップであるプロトン還元が律速であることを示唆しています。興味深いことに、シミュレーションはプロトンが単にバルク流体から表面へ拡散するのではなく、水分子の連鎖に沿って中継のようにホッピングすることを明らかにしており、液体水でよく知られたグロトサス機構を反映しています。

マンガンを加えたときに何が起きるか

鋼にはしばしば機械的性質を向上させるためにマンガンが含まれますが、その腐食への影響は微妙な場合があります。この点を探るため著者らは鉄表面の外層に単一のマンガン原子を導入し、解析を繰り返しました。マンガン付近では、鉄原子が溶出するための障壁と主要な水素ステップの障壁の両方が低下します。マンガン周辺の局所挙動を周囲の鉄と面積加重で組み合わせると、全体の腐食電流は数桁増加し、腐食電位はより負の方向へシフトします。これらの傾向は、マンガン含有の鋼が酸性環境でより速く腐食するという実験的観察と整合します。

詳細なモデルからより安全な合金へ

原子レベルのエネルギー障壁と現実的な表面被覆率が、鉄の測定された腐食電流や電位を正確に再現できることを示すことで、本研究は酸中で金属が劣化する様子を予測する強力な方法を提示します。同じワークフローは原理的に他の金属、表面方向、合金元素、そして異なる酸性度にも適用できます。専門外の読者にとっての主要メッセージは、腐食が純粋に経験則的な問題として扱う必要はないということです：現代の計算手法と機械学習を用いれば、合金組成や環境の設計選択が重要インフラの寿命にどう影響するかを仮想的に試験することが可能になります。

引用: 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

キーワード: 酸性腐食, 鉄の溶出, 水素発生, 機械学習分子動力学, 合金設計