LLNL科學家使用機器學習研究冰巨星中「超離子水」的行為
據外媒報導,天王星和海王星的內部所含水量大約是地球海洋的5萬倍,一種被稱為「超離子水」的水被認為穩定存在於超過天王星和海王星半徑約三分之一處的深度中。 超離子水是水的一個階段,其中氫原子變成液態,而氧原子在晶格上保持固態。 儘管超離子(superionic)態在30多年前就被提出來了,但它的光學特性和氧晶格只是在最近由勞倫斯利弗莫爾國家實驗室(LLNL)的Marius Millot和Federica Coppari在實驗中精確測量的,這種熱”黑冰”的許多特性仍然是未知的。
LLNL的科學家們開發了一種新的方法,使用機器學習以前所未有的解析度研究”超離子水”的相行為。 科學家稱,埋藏在行星核心深處的,宇宙中的大部分水可能是”超離子水”。 瞭解它的熱力學和傳輸特性對行星科學至關重要,但卻很難通過實驗或理論來探測。
在冰巨星行星中發現的壓力和溫度下,第一原理分子動力學(FPMD)類比預測這種水的大部分處於超離子態。 然而,這種量子力學類比傳統上僅限於較短的模擬時間(10幾皮秒)和較小的系統規模(100多個原子),導致相界位置的重大不確定性,如熔化線。
在超離子水的實驗中,樣品的準備是非常具有挑戰性的:氫的位置無法確定,動態壓縮實驗中的溫度測量也不直接。 通常情況下,實驗在設計階段和解釋結果時都會受益於量子分子動力學類比提供的指導。
在最近的研究中,該團隊通過利用機器學習技術從量子力學計算中學習原子相互作用,在處理大系統規模和長時間尺度的能力上取得了飛躍。 然後,他們使用該機器學習的潛力來驅動分子動力學,並使先進的自由能採樣方法得以使用,以準確確定相界。
LLNL物理學家Sebastien Hamel說:”我們使用機器學習和自由能方法來克服量子力學類比的局限性,並描述極端條件下水的氫擴散、超離子過渡和水在極端條件下的相行為,”他是發表在《自然-物理學》上的論文的共同作者。
研究小組發現,與現有實驗觀測結果一致的相界有助於解決冰巨星內部的絕緣冰、不同的超離子相和液態水的比例。
構建有效的相互作用勢,保持量子力學計算的準確性是一項艱巨的任務。 這裏開發的框架是通用的,可以用來發現或描述其他複雜的材料,如電池電解質、塑膠、慣性約束聚變(ICF)膠囊中使用的納米晶金剛石,以及與行星科學有關的氨、鹽、碳氫化合物、矽酸鹽和相關混合物的新相。
Hamel說:「我們對超離子水的定量理解為天王星和海王星等行星的內部結構、演變和磁場以及越來越多的冰冷系外行星提供了啟示。 ”