Home
| VOLUME 124 (2026) | ISSUE 6 | PAGE 450 |
|---|
|
Моделирование состава и структуры внутреннего ядра Земли с помощью глубокого машинного обучения
В. Э. Валиулин+*, А. В. Михеенков+*, Н. М. Щелкачев×°∇, К. Д. Литасов+, В. В. Бражкин+
+Институт физики высоких давлений им. Л. Ф. Верещагина РАН, 108840 Троицк, Москва, Россия *Московский физико-технический институт (национальный исследовательский университет), 141701 Долгопрудный, Россия ×Объединенный институт высоких температур РАН, 125412 Москва, Россия °Объединенный институт ядерных исследований, 141980 Дубна, Россия ∇Национальный исследовательский центр "Курчатовский институт", 123182 Москва, Россия
Abstract
Проведено атомистическое исследование внутреннего ядра Земли. Использован нейросетевой потенциал взаимодействия, построенный с помощью машинного обучения. Нейронная сеть обучалась на данных первопринципных расчетов методом функционала плотности. В качестве модельной системы выбран многокомпонентный состав внутреннего ядра Земли, полученный на основе петрологических и экспериментальных оценок и содержащий несколько легких элементов (Si, S, O, C и H) в гексагональной плотноупакованной (ГПУ)-решетке Fe и Ni. Продемонстрировано согласие плотности, скоростей продольной и поперечной звуковых волн VP и VS с сейсмологической моделью PREM при PT-условиях внутреннего ядра. Радиальные функции распределения и коэффициенты диффузии демонстрируют суперионную природу внутреннего ядра. Полученные результаты при несоизмеримо меньших вычислительных затратах не уступают данным молекулярной динамики из первых принципов. |