机器学习助力更好理解水的行为 为从理论上理解各种物质开辟更多途径

【资料图】

分子模拟显示了水分子在高密度液相中的结构及其如何移动。图片来源：佐治亚理工学院

科技日报记者 刘霞

美国一个研究团队在最新一期《物理评论快报》上刊发论文称，他们借助机器学习技术来理解水在零下100℃的行为。最新研究不仅能让科学家更好地理解水，也为更好地从理论上理解各种物质开辟了更多途径。

水是人们最熟悉、接触最频繁的物质之一，但实际上它还有很多未解之谜。在过去30年里，科学家们从理论上认为，当冷却到零下100℃这样的极低温度时，水可能会分离成两种不同密度的液相，且这两种液相就像油和水一样不相容，这可能有助于解释水的一些奇怪行为，比如其为何会随着冷却而变得不那么致密。

但在实验室里几乎不可能研究上述现象，因为水在如此低的温度下很快就会结晶成冰。在本研究中，美国佐治亚理工学院和普林斯顿大学的科学家求助于机器学习模型，发现了强有力的计算证据，支持水的液—液相变。

研究人员在超级计算机上进行了分子模拟。他们分析了水分子如何移动，并在不同水温和压力下表征了液体结构，模拟了高密度和低密度液体之间的相分离。他们还使用机器学习算法计算了水分子之间相互作用的能量，该模型执行计算的速度明显快于传统技术，从而使模拟能更有效地进行。

测试的一些条件非常极端，这些条件并不天然存在于地球上，但可能存在于太阳系的各种水环境——从木卫二海洋到彗星中心的水中。因此，这些发现也可帮助研究人员更好地解释和预测水的奇怪和复杂的物理化学特性，为水在工业过程中的使用提供更有意义的信息，也有助科学家开发出更好的气候模型。

研究人员指出，这是第一次能够以这种精度研究水的相变，机器学习方法可扩展到研究其他难以模拟的材料（如聚合物）和化学反应等复杂现象。

关键词： 机器学习