8月18日消息，日本研究者的Kazuma Ito在arXiv发表预印本（8月17日提交，编号2608.16652），报道了一种核量子修正的机器学习原子间势，用于研究α-铁中的氢扩散与俘获——氢脆机理认知的核心问题。

氢是金属中最轻的溶质原子，其核量子效应即使在室温下也会改变扩散与俘获过程，但显式处理这类效应的计算成本极高，限制了复杂环境的大尺度模拟。该研究基于原子簇展开（PACE）框架构建Fe-H机器学习势，覆盖多种铁-氢环境，并用300K下质心约束路径积分分子动力学产生的量子平均力重新标注训练构型，得到核量子修正的NQC-PACE势——全程无需额外密度泛函计算。

验证显示，NQC-PACE能统一描述氢在空位、位错、表面与一般晶界处的俘获、氢-氢相互作用以及α-铁中的扩散行为。巨正则蒙特卡洛/分子动力学模拟给出关键物理结论：核量子效应显著增强一般晶界处的氢偏聚。

氢脆是钢材与未来氢能装备（储氢容器、输氢管道）失效的头号机制之一，氢在晶界等缺陷处的富集是微观裂纹萌生的先导。传统经典分子动力学因忽略核量子效应，可能系统性低估晶界氢浓度。这套兼顾精度与速度的势函数方法，为含缺陷铁基体系的氢行为模拟提供了可推广的工具链，也提示抗氢脆合金设计需要把量子尺度效应纳入考量。 （来源：arXiv）