Electron-ion and ion-ion potentials for modeling warm dense matter: Applications to laser-heated or shock-compressed Al and Si
Notice bibliographique
Résumé
The pair interactions Uij(r) determine the thermodynamics and linear transport properties of matter via the pair-distribution functions (PDFs), i.e., gij(r). Great simplicity is achieved if Uij(r) could be directly used to predict material properties via classical simulations, avoiding many-body wave functions. Warm dense matter (WDM) is encountered in quasiequilibria where the electron temperature Te differs from the ion temperature Ti, as in laser-heated or in shock-compressed matter. The electron PDFs gee(r) as perturbed by the ions are used to evaluate fully nonlocal exchange-correlation corrections to the free energy, using hydrogen as an example. Electron-ion potentials for ions with a bound core are discussed with Al and Si as examples, for WDM with Te≠Ti, and valid for times shorter than the electron-ion relaxation time. In some cases the potentials develop attractive regions and then become repulsive and "Yukawa-like" for higher Te. These results clarify the origin of initial phonon hardening and rapid release. Pair potentials for shock-heated WDM show that phonon hardening would not occur in most such systems. Defining meaningful quasiequilibrium static transport coefficients consistent with the dynamic values is addressed. There seems to be no meaningful "static conductivity" obtainable by extrapolating experimental or theoretical σ(ω,Ti,Te) to ω→0, unless Ti→Te as well. Illustrative calculations of quasistatic resistivities R(Ti,Te) of laser-heated as well as shock-heated aluminum and silicon are presented using our pseudopotentials, pair potentials, and classical integral equations. The quasistatic resistivities display clear differences in their temperature evolutions, but are not the strict ω→0 limits of the dynamic values.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».