Микрокинетическое моделирование кислотной коррозии от первых принципов и молекулярная динамика с машинным обучением

Почему металл ржавеет быстрее в агрессивных жидкостях

От нефтепроводов до автомобилей и судов многие важные конструкции изготовлены из стали, которая может незаметно растворяться при воздействии кислотной воды. В этой статье решается давняя задача: как предсказать, начиная с атомного уровня, с какой скоростью железо будет корродировать в таких условиях и как легирующие элементы, такие как марганец, меняют эту скорость. Авторы объединяют квантовые расчёты и машинное обучение, чтобы построить детализированную, основанную на физических принципах картину того, как атомы металла покидают поверхность и как при этом образуется газообразный водород.

Построение моста от атомов к скоростям коррозии

Инженеры долгое время использовали эмпирические формулы для оценки коррозии, но они часто упускают реальные атомные шаги. Существующие модели, как правило, угадывают энергетические барьеры, игнорируют покрытие поверхности водой и реагирующими видами при разных потенциалах и уровнях кислотности и сводят потерю металла к одному многозарядному шагу. Напротив, в этом исследовании построена система, которая начинается с расчётов электронной структуры от первых принципов, а затем использует молекулярную динамику с машинным обучением, чтобы проследить движение атомов и молекул воды на реалистичном интерфейсе металл–жидкость. Это позволяет команде вычислять, насколько трудны ключевые реакции, и напрямую связывать эти барьеры с измеряемыми токами и скоростями коррозии.

Как атомы железа покидают поверхность

Авторы сначала подробно разбирают, как атом железа покидает плоскую поверхность в кислой среде. При этих условиях молекулы воды адсорбируются на поверхности, распадаются и образуют краткоживущийся фрагмент железо–кислород–водород. Исследование показывает, что самым медленным и, следовательно, контролирующим шагом является момент, когда адсорбированный фрагмент FeOH отдаёт электрон и отрывается в раствор, по пути превращаясь в полностью гидратированный ион железа, окружённый молекулами воды. Отслеживая свободноэнергетический ландшафт с помощью усиленной семплинговой методики и обученной машиной модели взаимодействий, они находят барьер, контролирующий скорость, примерно равный 0,76 электронвольта. С этим барьером и аккуратно рассчитанными покрытием поверхности их модель воспроизводит экспериментальные показатели, такие как наклон вольт–амперной кривой и кажущаяся энергия активации для растворения железа в сильной кислоте.

Прослеживание пузырьков водорода от протонов до газа

Коррозия в кислоте — это не только потеря металла; она также сопровождается образованием газообразного водорода. Поэтому исследование анализирует последовательность шагов, при которых протоны из раствора получают электроны на поверхности, образуя адсорбированные атомы водорода, которые затем объединяются в молекулы водорода. Используя тот же подход молекулярной динамики с машинным обучением, авторы вычисляют энергетические барьеры для трёх классических шагов: начительного восстановления протона, смешанного электрохимического шага, где протон реагирует с адсорбированным водородом, и чисто химического шага, где два адсорбированных атома водорода соединяются. Их расчёты указывают на путь, где первым и контролирующим шагом в соответствующем оконце потенциалов является восстановление протона. Интригующе, симуляции показывают, что протоны не просто диффундируют из объёма к поверхности; вместо этого они перескакивают по цепочкам молекул воды релейным образом, напоминая известный механизм Гроттхусса в жидкой воде.

Что происходит при добавлении марганца

Стали часто содержат марганец для улучшения механических свойств, но его влияние на коррозию может быть тонким. Чтобы исследовать это, авторы вводят один атом марганца в наружный слой железной поверхности и повторяют анализ. Вблизи этого участка марганца как барьер для растворения атома железа, так и барьер для ключевого шага с водородом снижаются. Когда локальное поведение вокруг марганца объединяют с поведением окружающего железа с учётом долей площади, общий коррозионный ток возрастает на несколько порядков, а коррозионный потенциал сдвигается в более отрицательную сторону. Эти тенденции согласуются с экспериментальными наблюдениями, что стали, богатые марганцем, склонны корродировать быстрее в кислотных средах.

От детализированных моделей к более надёжным сплавам

Показав, что атомно-уровневые энергетические барьеры и реалистичные покрытия поверхности могут точно воспроизводить измеренные коррозионные токи и потенциалы для железа, эта работа демонстрирует мощный способ прогнозирования деградации металлов в кислоте. Та же рабочая схема, в принципе, может быть применена к другим металлам, ориентациям поверхности и легирующим элементам, а также к разным уровням кислотности. Для неспециалистов ключевое сообщение заключается в том, что коррозию не обязательно рассматривать как чисто эмпирическую проблему: с помощью современных вычислений и машинного обучения становится возможным виртуально протестировать, как выбор состава сплава и условий среды повлияет на срок службы критически важных сооружений.

Цитирование: 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

Ключевые слова: кислотная коррозия, растворение железа, эволюция водорода, молекулярная динамика с машинным обучением, проектирование сплавов