Un equipo dirigido por el Prof. Wu Zhongqing de la Universidad de Ciencia y Tecnología de China (USTC) de la Academia de Ciencias de China (CAS) ha predicho la conductividad térmica de bridgmanita y post-perovskita a alta presión y temperatura utilizando el potencial de aprendizaje automático ( MLP), y aclaró la distribución del flujo de calor y la magnitud del flujo de calor en el límite núcleo-manto (CMB).
por Li Yuan, Academia China de Ciencias
Su trabajo fue publicado en Earth and Planetary Science Letters .
El flujo de calor desde el núcleo es un parámetro fundamental para comprender la estructura y evolución de la Tierra, que se obtiene multiplicando la conductividad térmica en el manto inferior por el gradiente de temperatura. La medición de la conductividad térmica de minerales a alta temperatura y presión sigue siendo una de las tareas más complicadas.
El equipo de investigación desarrolló un método computacional eficiente para la conductividad térmica a alta temperatura y alta presión combinando cálculos de primeros principios con aprendizaje automático. Utilizando datos de primeros principios para entrenar el potencial del aprendizaje automático , el equipo logró realizar simulaciones de dinámica molecular con decenas de miles de átomos manteniendo la precisión de los primeros principios. Este método resolvió eficientemente el efecto del tamaño finito y obtuvo resultados confiables sobre la conductividad térmica.
Las simulaciones mostraron que en el manto más bajo, 12,5% molar de Fe reducían las conductividades térmicas de la bridgmanita y la posperovskita en un 10% y un 14%, respectivamente, y una transición de fase de la bridgmanita a la posperovskita aumentaba la conductividad térmica en un 20%. 30%. El equipo utilizó previamente el método de Monte Carlo y el modelo de elasticidad para realizar una inversión del contenido mineral y la distribución de temperatura en el manto inferior. Combinando con los resultados anteriores, determinaron la conductividad térmica y el gradiente de temperatura en el CMB, obteniendo así la distribución del flujo de calor.
La provincia de alta velocidad de baja velocidad de corte (LLSVP) redujo la conductividad térmica de los minerales en su interior, así como el gradiente de temperatura desde el LLSVP hasta el núcleo, lo que condujo a la anisotropía en la distribución del flujo de calor. El flujo de calor en el CMB obtenido de la integración de la distribución del flujo de calor fue de 7,1 ± 0,5 TW. Además, el equipo dedujo que la edad del núcleo interno era 0,75 ± 0,35 Ga basándose en la ley de conservación de energía.
Más información: Dong Wang et al, Conductividad térmica de bridgmanita y posperovskita con Fe: implicaciones para el flujo de calor desde el núcleo, Earth and Planetary Science Letters (2023). DOI: 10.1016/j.epsl.2023.118368
