Eutectic AlSi 합금의 결정핵생성 메커니즘을 머신러닝 분자동역학으로 규명

초록

본 연구는 고차원 신경망 기반 머신러닝 인터액티브 포텐셜(HDNNP)을 이용해 Al‑Si 이합금의 유동 상태에서 핵생성 초기 과정을 원자 수준에서 시뮬레이션하였다. 훈련 데이터는 DFT 기반 AIMD 궤적을 포괄하며, 저농도(저Si)에서는 Al 핵이 구형으로, 고농도(고Si)에서는 Si 핵이 다각형 형태로 성장한다는 새로운 메커니즘을 제시한다.

상세 분석

본 논문은 Al‑Si 이합금의 유동‑고체 전이 과정에서 핵생성 메커니즘을 원자 규모에서 정밀히 탐구한다는 점에서 의미가 크다. 먼저, 저자들은 Vienna Ab‑Initio Simulation Package(VASP)를 이용해 다양한 조성(xSi = 0.10, 0.25, 0.50, 0.75)과 온도(액체와 과냉각 상태)를 포괄하는 750 구조씩의 AIMD 데이터를 생성하였다. 이 데이터는 고차원 신경망 포텐셜(HDNNP) 훈련에 사용되었으며, Behler‑Parrinello 방식의 원자 중심 대칭 함수(ACSF)를 입력 피처로 채택해 원자 주변 환경을 정량화하였다. 학습‑검증 과정에서 에너지 RMSE는 2 meV/atom 이하로 수렴했으며, 테스트 셋에 대한 RDF와 MSD 비교에서도 AIMD와 거의 일치하는 결과를 보였다. 이는 포텐셜이 액체 구조와 확산 동역학을 정확히 재현함을 의미한다.

시뮬레이션 규모는 LAMMPS 기반 HDNNP 구현을 통해 수십만 원자(최대 ≈ 2 × 10⁶ 원자)까지 확장했으며, NVT와 NPT ensemble을 적절히 전환해 온도·압력 제어를 수행하였다. 핵생성 실험에서는 두 가지 시나리오를 설정했다. (1) 동질 핵생성: 초과포화된 저Si(5 at % Si) 용액을 급냉하여 Al 핵이 자발적으로 형성되는 과정을 관찰했다. (2) 이종 핵생성: 고Si(>12 at % Si) 용액에 미리 준비된 Si 결정(다이아몬드 구조) 씨앗을 삽입해 이종 핵성장을 촉진했다.

핵 형성 초기 단계에서 Al 원자는 주변 Si 원자와의 혼합도가 낮은 영역에서 클러스터를 형성했으며, 이 클러스터는 표면 에너지 최소화를 위해 구형 구형을 유지했다. 반면 Si 원자는 높은 Si 농도 영역에서 다면체(주로 {111}, {110} 면) 형태의 핵을 형성했으며, 이는 Si의 다이아몬드 격자 특유의 방향성 결합과 표면 에너지 비대칭성에 기인한다. 성장 속도 분석에 따르면 Al 핵은 확산‑제어 성장(diffusion‑controlled) 모델을 따르는 반면, Si 핵은 계면‑제어 성장(interface‑controlled) 특성을 보였다. 또한, 핵 주변의 원자 배열을 PTM(Polyhedral Template Matching)으로 분석한 결과, Al 핵 주변에서는 fcc‑Al 구조가 빠르게 퍼져나가지만 Si 핵 주변에서는 diamond‑Si 구조가 급격히 전파되는 양상이 관찰되었다.

이러한 결과는 기존 실험적 관찰(예: X‑ray, 중성자 회절)에서 보고된 Al‑Si 합금의 미세구조(구상형 vs. 다각형형)와 일치한다. 특히, 저Si 합금에서 구상형 알루미늄 입자가 주형을 이루고, 고Si 합금에서 다각형 실리콘 입자가 주형을 이루는 현상을 원자 수준에서 메커니즘적으로 설명한다는 점에서 학문적·산업적 파급효과가 크다.

마지막으로, 저자들은 포텐셜의 전이 영역(액체‑고체 경계)에서의 정확성을 검증하기 위해 실험적 액체상 구조인 S(q)와 비교했으며, 전반적인 스펙트럼이 일치함을 확인했다. 이는 HDNNP가 양자 수준의 정확성을 유지하면서도 대규모 시뮬레이션을 가능하게 하는 강력한 도구임을 재확인한다.