全部分类/
教育教学/
高压物理学报

高压物理学报

2026年01期

《高压物理学报》创刊于1987年9月，是我国高压物理领域唯一的专业性刊物，是由中国物理学会高压物理专业委员会、四川省物理学会主办，中国工程物理研究院流体物理研究所承办的学术双月刊。

扫码免费借阅

人工智能与高温高压物理 | 人工智能与高温高压物理专刊·前言

人工智能与高温高压物理 | 人工智能与高温高压物理专刊·前言

物质在极端压力下的相变规律、电子结构与物性变化是物质科学研究的重要领域，对理解地球与行星内部组成、新型材料设计与合成以及国防科技的发展与应用等方面具有重要的科学和应用价值。根据压力加载方式与研究目标，可将高压物理研究大致分为静态高压与动态高压两大分支，分别聚焦平衡态下的结构-物性关联及非平衡态下的动力学演化过程。近年来，随着大腔体压机、强激光、Z箍缩、轻气炮等先进高压加载技术以及同步辐射光源等先进
人工智能与高温高压物理 | 机器学习势在材料物性的研究综述

人工智能与高温高压物理 | 机器学习势在材料物性的研究综述

摘要：随着人工智能技术与计算硬件的迅速发展，人工智能技术已逐渐成为推动多个科学研究领域变革的革命性工具。在材料科学领域，机器学习方法在材料高通量设计与性能预测方面均发挥着重要作用。近十余年来，基于机器学习构建材料原子间相互作用势的方法已被广泛应用于材料物性研究中，为新型材料的理论设计及微观机制的深入揭示提供了重要支撑。系统梳理了机器学习势的发展历程，介绍其基本流程，概述主流机器学习势的原理及其在材料物性研究中的应用场景，简要评述新兴通用势模型的进展，总结当前面临的挑战及未来发展方向。
人工智能与高温高压物理 | 机器学习势函数在地球深部矿物物态物性计算中的应用进展

人工智能与高温高压物理 | 机器学习势函数在地球深部矿物物态物性计算中的应用进展

摘要：地球深部处于极端高温高压环境，其物质组成、相变行为和物理性质对于理解地球内部结构、动力学过程及演化具有重要意义。在极端条件下，传统实验手段面临热力学状态难以维持、物理量诊断困难的挑战，而第一性原理计算虽然具有量子精度，却受限于计算效率，难以直接应用于大时空尺度的地球深部矿物模拟。机器学习方法带来了新的机遇，基于第一性原理精度的数据集构建的高精度、高效率的机器学习势函数，显著拓展了第一性原理模拟的时空尺度，为研究地球深部矿物的物态、相变、弹性、输运等性质提供了革命性工具。系统地综述了机器学习方法在地球深部主要矿物（包括上地慢、过渡带与下地幔矿物、俯冲带组分以及地核物质）研究中的应用进展，总结了其在揭示相变、热导率、扩散、熔化和弹性性质等方面的代表性成果，并探讨了当前研究存在的局限性及未来发展方向。
人工智能与高温高压物理 | 消失的石英-柯石英路径：基于机器学习模拟的二氧化硅相变机理探究

人工智能与高温高压物理 | 消失的石英-柯石英路径：基于机器学习模拟的二氧化硅相变机理探究

摘要：基于高维神经网络势能模型与随机表面行走算法，系统研究了二氧化硅在高压条件下的结构相变机理。首先，构建了覆盖石英、柯石英、斯石英及非晶态的全局势能面，绘制出热力学相图。进一步分析发现，对于石英到斯石英的相变路径，高压下能垒显著降低，表现出较强的动力学可行性；而柯石英至斯石英的相变路径则为单步机制，能垒随压力升高略有上升。在非晶化相变方面，通过采样与识别低对称性结构群，明确了低对称性结构群在石英高压非晶化中的关键作用，揭示了“短程有序—中程无序—拓扑有序”结构作为非晶态的关键特征。值得注意的是，研究过程中未发现有效的石英-柯石英相变路径，进一步研究表明，非晶路径在动力学上的优势“截断”了石英向柯石英的直接演化路径，揭示了石英-柯石英路径缺失的本质原因。该工作系统探究了高压下二氧化硅的晶态与非晶态相变机理，为复杂氧化物的高压模拟研究提供了理论依据和方法范式。
人工智能与高温高压物理 | 准等熵加载下高压液态水平移-旋转解耦的动力学特性

人工智能与高温高压物理 | 准等熵加载下高压液态水平移-旋转解耦的动力学特性

摘要：水广泛存在于地球、海洋行星、冰巨行星以及星际空间中，其在广泛热力学区间内的物态和物性是生化反应、环境气候及行星结构等众多问题的核心。尽管极端压力下的液态水表现出丰富的反常行为，但其相关研究长期受限于实验测量技术的瓶颈与理论计算的复杂性，可用的原子尺度数据极为匮乏，限制了对其微观机制的深入理解。为此，基于高精度第一性原理数据构建的深度学习相互作用模型，利用分子动力学模拟将液态水沿等熵线压缩至数万倍大气压强，计算并分析其在不同压强下的结构和动力学性质。结果表明，高压下液态水中固有的四面体局域配位环境被打破，使得水分子的旋转运动能力随着压强增大而显著提高。与此相反，在更加“凝聚”的高压环境下，水分子的平移运动能力受到强烈限制，并且高压下水分子的均方位移呈现出类似玻璃态的3段区域式行为，即弹道输运区、平台区以及扩散区。宏观上，这种平移运动能力的下降表现为剪切黏度的大幅提高。尤为关键的是，与环境压力下过冷水平移-旋转运动高度耦合的特性不同，动态高压下的液态水展现出本征的平移和旋转运动解耦现象。研究结果有望为材料在动态载荷下的响应、亚稳液体凝固等重要科学问题研究提供有意义的微观见解。
人工智能与高温高压物理 | 基于神经网络势函数计算地球内核条件下的铁-硫合金黏度

人工智能与高温高压物理 | 基于神经网络势函数计算地球内核条件下的铁-硫合金黏度

摘要：地球内核的密度较纯铁低，表明其中存在轻元素。碳、氢、氧、硫、硅被认为是最可能存在于内核的轻元素。黏度是反映地球内核动力学和演化历史的关键物理量，对于地球内核波速各向异性的成因具有重要影响。前人已对内核条件下纯铁的六方密堆积（hexagonalclose-packed,HCP）相和体心立方（body-centeredcubic,BCC）相的黏度进行了模拟计算。然而，目前仍然缺乏针对地球内核中轻元素对地球内核黏度影响的系统性研究。为此，构建了内核条件下铁-硫合金的神经网络势函数，利用该方法实现了对铁-硫体系的大规模分子动力学模拟，研究了空位浓度低至 0.01% 时对该合金离子输运性质的影响。利用晶格中铁的自扩散系数研究了内核铁-硫合金的蠕变机制和黏度，将地球内核条件下铁-硫合金的黏度限定为 1×10¹⁴～2×10¹⁶Pa?s 与自由核章动以及地震波观测结果一致。
人工智能与高温高压物理 | 适用于铅锡合金动态响应的机器学习势函数

人工智能与高温高压物理 | 适用于铅锡合金动态响应的机器学习势函数

摘要：铅是一种低熔点且具有复杂温度-压力相图的金属材料，经过与锡的合金化，能够进一步降低其熔点，使得铅锡合金成为研究材料动态力学响应及动态破坏行为的重要模型材料。目前，受表征手段的限制，通过实验方法揭示铅锡合金在原子尺度上的动态破坏行为和机理仍存在巨大挑战。非平衡分子动力学是一种重要的理论研究手段，可以模拟动态过程中的原子运动轨迹，从而揭示动态加载-卸载及破坏行为中的关键原子尺度过程。然而，分子动力学方法的可靠性依赖其所采用的原子间相互作用势函数的精度，目前并没有适用于铅锡合金的动态响应研究的高精度势函数，因此，制约了铅锡合金的动态模拟研究。通过同步学习策略，构建了压力为 0～100GPa 温度为 0～5 000K 下具有第一性原理精度的铅锡合金机器学习势函数模型DP-PbSn。该势函数能够以第一性原理的精度预测铅锡合金的点阵常数和弹性常数等基本性质，以及表面能、层错能、空位形成能等缺陷性质，还能够准确地预测其熔化线和冲击Hugoniot曲线，展现了其在动态响应模拟过程中的适用性。利用该势函数对铅和铅锡合金的动态力学响应行为进行了初步的模拟研究，揭示了锡对动态加载过程中相变及塑性行为的影响。该势函数作为重要的理论工具，能够实现高精度的非平衡分子动力学模拟，从而为铅锡合金动态力学损伤行为的实验研究提供关键理论依据。
人工智能与高温高压物理 | 锡的多相物态方程的第一性原理计算研究

人工智能与高温高压物理 | 锡的多相物态方程的第一性原理计算研究

摘要：金属锡是高压物理领域研究的热点，也是国防科技领域关注的重要材料。锡具有丰富的物相，无论是基础研究，还是工业应用，锡的多相物态方程和相界都至关重要。采用密度泛函理论结合平均场势方法，系统研究了锡的高温高压多相物态方程、相界、弹性模量、声速和Hugoniot线等，获得了高温高压下锡的多相物态方程，计算得到的 _β-γ 相界 ?β-Sn 的常压声速与实验结果吻合较好。此外，进一步研究了不同密度泛函对锡的高温高压物态方程的影响。结果表明：通过局域密度梯度近似（local density approximation,LDA）和PBEsol泛函得到的主Hugoniot线及常压弹性模量与实验结果具有较好的一致性；与其他泛函相比，通过SCAN（stronglyconstrainedand appropriatelynormed）泛函描述的相界的偏差较大，但描述的 β -Sn的常压声速与实验结果更接近。
人工智能与高温高压物理 | 高压下 SrB₂C₂ 的结构相变与物性

人工智能与高温高压物理 | 高压下 SrB₂C₂ 的结构相变与物性

摘要：采用基于密度泛函理论的第一性原理计算方法和基于粒子群优化算法的结构预测方法，在 0～350GPa 压力范围内对 SrB2C2 进行结构搜索，成功确定了 SrB2C2 在常压下是属于四方晶系的 tI20-SrB2C2 ，在高压下是属于正交晶系的 oF40-SrB2C2 。基于焓差曲线，确定了SrB2C2 的相变压力为 44.7GPa 。通过计算声子谱、弹性常数和形成焓，验证了 tI20-SrB2C2 和在对应压力下的稳定性和实验合成的可能性。由不同方向的杨氏模量和剪切模量可以看出， tI20-SrB2C2 具有比 oF40-SrB2C2 更明显的力学各向异性，主要是由于 sp2 杂化的硼碳键组成了层状结构的 tI20-SrB2C2 ，而的硼碳键主要是 sp3 杂化的共价键，形成了更稳定的三维网状四面体结构。电子结构计算表明， SrB2C2 均为间接带隙半导体，电子局域函数计算说明了 tI20-SrB2C2 和中的硼碳键分别为 sp2 和 sp3 共价键。
人工智能与高温高压物理 | 氧化镁和铼压标不确定度量化研究：基于贝叶斯统计方法

人工智能与高温高压物理 | 氧化镁和铼压标不确定度量化研究：基于贝叶斯统计方法

摘要：静高压实验中精确的压力测量依赖于标准材料的物态方程，而物态方程参数的不确定度会显著影响压力预测的准确性。以氧化镁（ MgO ，B1相）和铼（Re，密排六方相）为研究对象，采用贝叶斯统计方法与马尔可夫链蒙特卡罗模拟技术，系统量化了其在金刚石对顶砧实验中的压力预测不确定度。通过均匀分布先验和正态似然函数构建贝叶斯框架，整合了多组实验数据进行参数校准。结果表明，贝叶斯统计方法成功量化了物态方程参数的后验分布，并揭示了参数间的强相关性，如 MgO 的Gruneisen参数与初始体积呈负相关，Re的体模量与Grineisen参数呈正相关。 MgO 和Re的压力预测不确定度随着压力升高而显著增大；Re的压力预测不确定度随温度升高而显著增大， MgO 则没有明显规律。研究结果为提升高压实验压力测量精度提供了具有不确定度的压标，可为提升材料科学和地球物理研究中的实验数据可靠性提供重要参考。

高压物理学报

目录

人工智能与高温高压物理 | 人工智能与高温高压物理专刊·前言

人工智能与高温高压物理 | 人工智能与高温高压物理专刊·前言

人工智能与高温高压物理 | 机器学习势在材料物性的研究综述

人工智能与高温高压物理 | 机器学习势在材料物性的研究综述

人工智能与高温高压物理 | 机器学习势函数在地球深部矿物物态物性计算中的应用进展

人工智能与高温高压物理 | 机器学习势函数在地球深部矿物物态物性计算中的应用进展

人工智能与高温高压物理 | 消失的石英-柯石英路径：基于机器学习模拟的二氧化硅相变机理探究

人工智能与高温高压物理 | 消失的石英-柯石英路径：基于机器学习模拟的二氧化硅相变机理探究

人工智能与高温高压物理 | 准等熵加载下高压液态水平移-旋转解耦的动力学特性

人工智能与高温高压物理 | 准等熵加载下高压液态水平移-旋转解耦的动力学特性

人工智能与高温高压物理 | 基于神经网络势函数计算地球内核条件下的铁-硫合金黏度

人工智能与高温高压物理 | 基于神经网络势函数计算地球内核条件下的铁-硫合金黏度

人工智能与高温高压物理 | 适用于铅锡合金动态响应的机器学习势函数

人工智能与高温高压物理 | 适用于铅锡合金动态响应的机器学习势函数

人工智能与高温高压物理 | 锡的多相物态方程的第一性原理计算研究

人工智能与高温高压物理 | 锡的多相物态方程的第一性原理计算研究

人工智能与高温高压物理 | 高压下 SrB₂C₂ 的结构相变与物性

人工智能与高温高压物理 | 高压下 SrB₂C₂ 的结构相变与物性

人工智能与高温高压物理 | 氧化镁和铼压标不确定度量化研究：基于贝叶斯统计方法

人工智能与高温高压物理 | 氧化镁和铼压标不确定度量化研究：基于贝叶斯统计方法

过往期刊

高压物理学报

高压物理学报

高压物理学报

高压物理学报

猜你喜欢

读者校园版·成长

小学生作文·高年级适用

河北地质大学学报

随笔

中部高教研究

航天电子对抗

散文·海外版

祝您健康·成长

中国音乐学院电子阅览室

高压物理学报

目录

人工智能与高温高压物理 | 人工智能与高温高压物理专刊·前言

人工智能与高温高压物理 | 人工智能与高温高压物理专刊·前言

人工智能与高温高压物理 | 机器学习势在材料物性的研究综述

人工智能与高温高压物理 | 机器学习势在材料物性的研究综述

人工智能与高温高压物理 | 机器学习势函数在地球深部矿物物态物性计算中的应用进展

人工智能与高温高压物理 | 机器学习势函数在地球深部矿物物态物性计算中的应用进展

人工智能与高温高压物理 | 消失的石英-柯石英路径：基于机器学习模拟的二氧化硅相变机理探究

人工智能与高温高压物理 | 消失的石英-柯石英路径：基于机器学习模拟的二氧化硅相变机理探究

人工智能与高温高压物理 | 准等熵加载下高压液态水平移-旋转解耦的动力学特性

人工智能与高温高压物理 | 准等熵加载下高压液态水平移-旋转解耦的动力学特性

人工智能与高温高压物理 | 基于神经网络势函数计算地球内核条件下的铁-硫合金黏度

人工智能与高温高压物理 | 基于神经网络势函数计算地球内核条件下的铁-硫合金黏度

人工智能与高温高压物理 | 适用于铅锡合金动态响应的机器学习势函数

人工智能与高温高压物理 | 适用于铅锡合金动态响应的机器学习势函数

人工智能与高温高压物理 | 锡的多相物态方程的第一性原理计算研究

人工智能与高温高压物理 | 锡的多相物态方程的第一性原理计算研究

人工智能与高温高压物理 | 高压下 SrB2C2 的结构相变与物性

人工智能与高温高压物理 | 高压下 SrB2C2 的结构相变与物性

人工智能与高温高压物理 | 氧化镁和铼压标不确定度量化研究：基于贝叶斯统计方法

人工智能与高温高压物理 | 氧化镁和铼压标不确定度量化研究：基于贝叶斯统计方法

过往期刊

高压物理学报

高压物理学报

高压物理学报

高压物理学报

猜你喜欢

读者校园版·成长

小学生作文·高年级适用

河北地质大学学报

随笔

中部高教研究

航天电子对抗

散文·海外版

祝您健康·成长

中国音乐学院电子阅览室

中国音乐学院电子阅览室

新用户注册

注册成功

修改电子邮件

人工智能与高温高压物理 | 高压下 SrB₂C₂ 的结构相变与物性

人工智能与高温高压物理 | 高压下 SrB₂C₂ 的结构相变与物性