利用机器学习了解水的方式

几十年来，水一直困扰着科学家。在过去30年左右的时间里，他们提出了这样的理论:当冷却到零下100摄氏度这样的非常低的温度时，水可能会分离成两种密度不同的液相。就像油和水一样，这些相不能混合，这可能有助于解释水的一些其他奇怪行为，比如它如何在冷却时密度降低。

然而，在实验室里研究这一现象几乎是不可能的，因为在如此低的温度下，水很快就会结晶成冰。现在，佐治亚理工学院的一项新研究使用机器学习模型来更好地理解水的相变，为更好地从理论上理解各种物质开辟了更多途径。通过这项技术，研究人员发现了强有力的计算证据，支持水的液-液转变，可以应用于使用水来运行的真实系统。

“我们正在用非常详细的量子化学计算来做这件事，试图尽可能接近水的真实物理和物理化学，”他说托马斯Gartner他是哈佛大学的助理教授化学与生物分子工程学院“，“这是第一次有人能够如此精确地研究这种转变。”

这项研究发表在论文中。”从第一性原理看水的液-液转变，在杂志上物理评论快报来自普林斯顿大学(Princeton University)的合著者如是说。

模拟水

为了更好地了解水是如何相互作用的，研究人员在超级计算机上进行了分子模拟，高德纳将其比作虚拟显微镜。

“如果你有一个无限强大的显微镜，你可以一直放大到单个分子的水平，并实时观察它们的运动和相互作用，”他说。“这就是我们正在做的事情，我们几乎是在制作一部计算电影。”

研究人员分析了分子在不同水温和压力下的运动方式，并对液体结构进行了表征，模拟了高密度和低密度液体之间的相分离。他们收集了大量的数据——进行了长达一年的模拟——并继续微调他们的算法，以获得更准确的结果。

即使在十年前，进行如此长时间和详细的模拟也是不可能的，但今天的机器学习提供了一条捷径。研究人员使用了一种机器学习算法来计算水分子相互作用的能量。该模型的计算速度比传统技术快得多，使模拟过程更加有效。

机器学习并不完美，所以这些长时间的模拟也提高了预测的准确性。研究人员小心翼翼地用不同类型的模拟算法来测试他们的预测。如果多个模拟给出了相似的结果，那么它就验证了它们的准确性。

高德纳说:“这项工作的挑战之一是，我们没有很多数据可以进行比较，因为这是一个几乎不可能通过实验来研究的问题。”“我们真的在突破界限，所以这也是为什么我们尝试使用多种不同的计算技术来做到这一点如此重要的另一个原因。”

除了水

研究人员测试的一些极端条件可能并不直接存在于地球上，但可能存在于太阳系的各种水环境中，从木卫二的海洋到彗星中心的水。然而，这些发现也可以帮助研究人员更好地解释和预测水的奇怪而复杂的物理化学，为水在工业过程中的使用提供信息，开发更好的气候模型等等。

据高德纳公司称，这项工作甚至更具普遍性。水是一个被充分研究的研究领域，但这种方法可以扩展到其他难以模拟的材料，如聚合物，或化学反应等复杂现象。

他说:“水对生命和工业至关重要，所以水是否能经历这种相变一直是一个长期存在的问题，如果我们能找到答案，那就很重要。”“但现在我们有了这种非常强大的新计算技术，但我们还不知道边界在哪里，这一领域还有很大的发展空间。”

参考:高德纳TE, Piaggi PM, Car R, Panagiotopoulos AZ, Debenedetti PG.从基本原理看水的液-液转变。物理Rev Lett．2022; 129(25): 255702。doi:10.1103 / PhysRevLett.129.255702

本文已从以下地方重新发布材料．注:材料的长度和内容可能经过编辑。如需进一步信息，请联系所引用的来源。