Stability of Solid Atomic Nitrogen Phases at Atmospheric Pressure

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Stability to the formation of vacancies in the bulk of a structure and the possibility of a stable surface have been examined for the first time with density functional theory for high energy density solid atomic nitrogen phases, whose dynamical stability at normal pressure is theoretically predicted. It has been shown that phases with of the 
 and Pccn crystal symmetries are unstable to the formation of vacancies at atmospheric pressure. The 
 and P21 phases are stable with respect to the formation of vacancies, but the surface of such structures introduces instability inducing their transition from a metastable atomic solid phase to a molecular one. The gauche phase of nitrogen with the I213 crystal symmetry is stable with respect to the considered structural perturbations and is the most promising for experimental synthesis at atmospheric pressure.

About the authors

K. S Grishakov

National Research Nuclear University MEPhI (Moscow Engineering Physics Institute), 115409, Moscow, Russia; Research Institute for the Development of Scientific and Educational Potential of Youth, 119620, Moscow, Russia

Email: ksgrishakov@mephi.ru

N. N Degtyarenko

National Research Nuclear University MEPhI (Moscow Engineering Physics Institute), 115409, Moscow, Russia

Author for correspondence.
Email: ksgrishakov@mephi.ru

References

  1. K. S. Grishakov and N. N. Degtyarenko, Phys. Chem. Chem. Phys. 24, 8351 (2022).
  2. Y. Ma, A. R. Oganov, Z. Li, Y. Xie, and J. Kotakoski, Phys. Rev. Lett. 102, 065501 (2009).
  3. D. Laniel, B. Winkler, T. Fedotenko, A. Pakhomova, S. Chariton, V. Milman, V. Prakapenka, L. Dubrovinsky, and N. Dubrovinskaia, Phys. Rev. Lett. 124, 216001 (2020).
  4. D. Tomasino, M. Kim, J. Smith, and C.-S. Yoo, Phys. Rev. Lett. 113, 205502 (2014).
  5. D. Laniel, G. Geneste, G. Weck, M. Mezouar, and P. Loubeyre, Phys. Rev. Lett. 122, 066001 (2019).
  6. M. I. Eremets, A. G. Gavriliuk, N. R. Serebryanaya, I. A. Trojan, D. A. Dzivenko, R. Boehler, H. K. Mao, and R. J. Hemley, J. Chem. Phys. 121, 11296 (2004).
  7. M. I. Eremets, A. G. Gavriliuk, I. A. Trojan, D. A. Dzivenko, and R. Boehler, Nat. Mater. 3, 558 (2004).
  8. C. Mailhiot, L. H. Yang, and A. K. McMahan, Phys. Rev. B 46, 14419 (1992).
  9. F. Zahariev, J. Hooper, S. Alavi, F. Zhang, and T. K. Woo, Phys. Rev. B 75, 140101(R) (2007).
  10. J. Kotakoski and K. Albe, Phys. Rev. B 77, 144109 (2008).
  11. M. M. G. Alemany and J. L. Martins, Phys. Rev. B 68, 024110 (2003).
  12. W. D. Mattson, D. Sanchez-Portal, S. Chiesa, and R. M. Martin, Phys. Rev. Lett. 93, 125501 (2004).
  13. F. Zahariev, A. Hu, J. Hooper, F. Zhang, and T. Woo, Phys. Rev. B 72, 214108 (2005).
  14. A. R. Oganov and C. W. Glass, J. Chem. Phys. 124, 244704 (2006).
  15. K. Grishakov, K. Katin, M. Gimaldinova, and M. Maslov, Letters on Materials 9, 366 (2019).
  16. J. Sun, M. Martinez-Canales, D. D. Klug, C. J. Pickard, and R. J. Needs, Phys. Rev. Lett. 111, 175502 (2013).
  17. A. A. Adeleke, M. J. Greschner, A. Majumdar, B. Wan, H. Liu, Z. Li, H. Gou, and Y. Yao, Phys. Rev. B 96, 224104 (2017).
  18. S. V. Bondarchuk and B. F. Minaev, Phys. Chem. Chem. Phys. 19, 6698 (2017).
  19. K. S. Grishakov and N. N. Degtyarenko, JETP Lett. 112, 630 (2020).
  20. K. S. Grishakov and N. N. Degtyarenko, JETP Lett. 115, 422 (2022).
  21. M. V. Kondrin and V. V. Brazhkin, Nanosystems: Physics, Chemistry, Mathematics 7, 44 (2016).
  22. M. V. Kondrin and V. V. Brazhkin, Phys. Chem. Chem. Phys. 17, 17739 (2015).
  23. M. M. Maslov and K. P. Katin, Chem. Phys. Lett. 644, 280 (2016).
  24. M. M. Maslov, K. P. Katin, A. I. Avkhadieva, and A. I. Podlivaev, Russ. J. Phys. Chem. B 8, 152 (2014).
  25. K. P. Katin and M. M. Maslov, Molecular Simulation 44, 703 (2018).
  26. K. P. Katin, V. S. Prudkovskiy, and M. M. Maslov, Physica E: Low-Dimensional Systems and Nanostructures 81, 1 (2016).
  27. I. S. Novikov, K. Gubaev, E. V. Podryabinkin, and A. V. Shapeev, Machine Learning: Science and Technology 2, 025002 (2021).
  28. P. Giannozzi, S. Baroni, N. Bonini, M. Calandra, R. Car, C. Cavazzoni, and D. Ceresoli, J. Phys.: Condens. Matter 21, 395502 (2009).
  29. P. Giannozzi, O. Andreussi, T. Brumme, O. Bunau, M. B. Nardelli, M. Calandra, and R. Car, J. Phys.: Condens. Matter 29, 465901 (2017).
  30. D. R. Hamann, Phys. Rev. B: Condens. Matter Mater. Phys. 88, 085117 (2013).
  31. Q. S. Mei and K. Lu, Philosophical Magazine Letters 88, 203 (2008).
  32. Q. Wei, C. Zhao, M. Zhang, H. Yan, and B. Wei, Phys. Lett. A 383, 2429 (2019).
  33. Z. Liu, D. Li, Q. Zhuang, F. Tian, D. Duan, F. Li, and T. Cui, Commun. Chem. 3, 42 (2020).
  34. N. P. Salke, K. Xia, S. Fu, Y. Zhang, E. Greenberg, V. B. Prakapenka, J. Liu, J. Sun, and J.-F. Lin, Phys. Rev. Lett. 126, 065702 (2021).
  35. Y. Wang, M. Bykov, I. Chepkasov, A. Samtsevich, E. Bykova, X. Zhang, S. Jiang, E. Greenberg, S. Chariton, V. B. Prakapenka, A. R. Oganov, and A. F. Goncharov, Nat. Chem. 14, 794 (2022).
  36. D. Laniel, F. Trybel, Y. Yin, T. Fedotenko, S. Khandarkhaeva, and A. Aslandukov, Nat. Chem. (2023).
  37. L. Gagliardi and P. Pyykk�o, J. Am. Chem. Soc. 123, 9700 (2001).
  38. M. Straka and P. Pyykk�o, Inorg. Chem. 42, 8241 (2003).
  39. K. Ding, X. Li, H. Xu, T. Li, Z. Ge, Q. Wang, and W. Zheng, Chem. Sci. 6, 4723 (2015).
  40. L. Gagliardi and P. Pyykk�o, Theoretical Chemistry Accounts: Theory, Computation, and Modeling (Theoretica Chimica Acta) 110, 205 (2003).
  41. M. Straka, Chem. Phys. Lett. 358, 531 (2002).
  42. M.-H. V. Huynh, M. A. Hiskey, E. L. Hartline, D. P. Montoya, and R. Gilardi, Angew. Chem. 116, 5032 (2004).
  43. K. Banert, Y.-H. Joo, T.Ru� er, B. Walfort, and H. Lang, Angewandte Chemie International Edition 46, 1168 (2007).
  44. S. V. Chapyshev, Russian Chemical Bulletin 60, 1274 (2011).
  45. M. Bencha a, Z. Yao, G. Yuan, T. Chou, H. Piao, X. Wang, and Z. Iqbal, Nat.Commun. 8, 930 (2017).

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Российская академия наук

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».