紫外线辐射引起的 CO 冰解吸是一种发生在宇宙中一些寒冷地区的现象,这种现象通常也在实验室环境中复制。虽然这种现象现在已经有据可查,但支撑它的分子机制尚未完全揭示。
里尔大学和索邦大学的研究人员在Mathieu Bertin领导的法国ANR PIXyES项目的框架内,最近进行了一项研究,通过实验和分子模拟的结合来研究这种机制。他们的论文发布在《物理评论快报》上,概述了一种可能引起紫外线光子诱导的一氧化碳冰解吸的三步机制。
“在星际介质中,分子物质主要存在于最冷和最密集的区域,”该论文的主要作者Maurice Monnerville和Jean-Hugues Fillion告诉 Phys.org。
“这些区域是恒星苗圃,恒星和行星在这里栩栩如生,就像原行星盘的内部和恒星前云一样。大约 200 种不同的分子种类,从简单的分子种类,如氢和水到更复杂的甲醇与硅酸盐和碳制成的微小颗粒共存。
在宇宙中一些温度极低至约10 K的最冷区域,所有分子粘在微小颗粒的表面,形成冰层。这些层主要由冷凝水和各种其他物质组成,例如一氧化碳和二氧化碳。
“这些星际冰在宇宙的寒冷区域充当着重要的分子物质储存库,”作者解释说。
“在这些最冷的地区,已经检测到气相中的异常丰度,尽管由于温度极低,该物种应该被冻结在尘埃颗粒上。那么,如何解释这些分子在太空寒冷区域的解吸呢?为了理解这些意想不到的丰度,有必要用非热解吸现象来解释在气相中检测到这些分子。
一个可以解释宇宙中温度特别低的部分中高丰度的气态分子的过程是由周围恒星发射的紫外线光子引起的解吸,通过氢原子过滤。因此,许多物理学家最近一直在深入研究这种现象,特别是一氧化碳的紫外线光解吸。
“一氧化碳冰是复杂化学的潜在起点,导致甲醇的形成和随后高度多样化的有机化学,”作者说。“由于这些原因,几十年来,固体一氧化碳的VUV光解吸一直是大量实验研究的主题,旨在为天体化学界提供绝对的解吸产量。
索邦大学LERMA实验室的Jean-Hugues Fillion研究小组先前的研究工作发现,有证据表明紫外线诱导的一氧化碳解吸机制在很大程度上是间接的。这实质上意味着解吸分子不一定是吸收光子的分子,而是这种解吸过程主要是由激发分子和表面分子之间的能量转移驱动的。
然而,到目前为止,这种解吸机制仍然知之甚少,因为理论和实验工作都无法解释其所有相关的分子特性。因此,Monnerville和他的同事最近研究的主要目的是表征这种机制,并密切关注他们之前报道的能量转移的性质和解吸分子的性质。
“我们在理论和实验之间制定了协调一致的策略,”Monnerville说。“里尔大学的 PCMT 团队使用 Ab Initio Molecular Dynamics ,这是一种基于密度泛函理论的复杂量子/经典混合模拟技术,进一步阐明了能量转移机制。”
“同时,Paris团队使用SPICES超高真空装置在VUV中选定的激发能量下进行了新的脉冲激光诱导光脱附,提供了光解吸CO分子的振动和平移能量分布数据,可以直接与AIMD结果进行比较。”
位于里尔大学的该研究小组进行的模拟表明,紫外线辐射诱导的一氧化碳冰解吸依赖于具有三个关键阶段的机制。在这些阶段中的第一个阶段,被激发的分子在冰内振动,保留了最初沉积在其中的振动能量。
“随后,被激发的分子和附近的一两个CO分子开始相互吸引,从而获得平移能量,导致它们通过'踢事件'发生碰撞,”Monnerville解释说。
“然后,碰撞分子开始运动并与冰内的其他分子相互作用,从而产生级联能量转移效应。从本质上讲,在第二步中获得的平移和旋转能量被转移到表面一氧化碳分子上,使它们能够克服聚集体和解吸的结合能。
值得注意的是,Monnerville及其合作者概述的三个关键步骤在一定程度上与著名的DIET机制一致。这种机制以前被认为是VUV辐照诱导的星际冰类似物解吸的可能原因,但这项研究是第一个通过模拟详细描述它的研究,这也与实验观察结果一致。
“成功描述这一复杂过程并与实验观察结果完全一致的关键在于使用计算密集型模拟技术,这允许更精确地描述这个复杂的动力系统,”Monnerville说。
“AIMD技术对于准确表征振动激发的一氧化碳分子与其邻居之间的相互作用至关重要,启动了解吸过程 - 这是以前理论研究不足的一个方面。
该团队最近的工作对超冷环境中分子过程的研究做出了重大贡献。值得注意的是,它是第一个对紫外线诱导的一氧化碳冰解吸背后的机制进行详细模拟,这与实验观察结果完全一致。
“我们发现的三步机制使我们能够用相对简单的术语解释一个复杂的过程,”作者说。“事实上,正是这种机制的简单性使其具有重要意义。天体物理学界可以利用这种主要机制从理论上解释在更复杂的星际冰中已经观察到的解吸,这是非常合理的。
未来,里尔大学和索邦大学团队采用的实验方法和模拟工具可用于研究更广泛的复杂冰混合物的光解吸。研究人员现在还在研究一种基于机器学习的势能面模型,该模型使用从头开始分子动力学计算期间收集的数据进行训练。
“这种高维神经网络PES将使我们能够在更具代表性的CO冰面模型上对CO解吸过程进行更多和更长的分子动力学模拟,同时显着降低计算成本,”Monnerville补充道。
“此外,我们正在对更复杂的星际冰类似物进行新的实验和理论研究,例如CO2, CO:N2和 CO:NO,使用类似的方法。最后,将测试一种新的实验方法来揭示光解吸分子的角度分布。这将通过实施速度图成像探测器来实现,这是一种在气相应用中广为人知的强大检测技术,尽管它的发展对于研究冷基质中的解吸分子具有挑战性。