物理科技生物学-PHYICA

科学家揭示了机器学习对氢模型的限制

化学 2022-09-09 00:02:13

罗彻斯特大学 金属氢在地球上很少见,但在木星等行星内部大量存在

激光能量学实验室的新研究提供了关于氢向金属氢相变的更精确的数据,这将有助于建立更精确的计算机模型

学分:美国宇航局/JPL-加州理工学院/ SwRI / MSSS /凯文·M

吉尔 氢是宇宙中最丰富的元素之一

在地球上,氢通常是一种气体

但是当氢处于高温高压下时——这是许多行星,如木星内部存在的条件——它会经历一系列的相变,并呈现液态金属的特性

它所具有的金属特性之一是成为电导体

在《自然》杂志的一篇新论文《出现的问题》中,罗彻斯特大学激光能量学实验室(LLE)的研究人员,包括主要作者瓦伦汀·卡拉西耶夫,一位LLE的职员科学家;研究生乔希·欣茨;机械工程副教授、LLE大学杰出科学家胡苏星回应了2020年《自然》杂志的一篇论文,该论文使用机器学习技术研究了稠密氢从绝缘液体到液态金属的液液相变

在他们的回应中,卡拉西耶夫和他的同事概述了这些机器学习技术如何在描述氢的相变时产生不正确的结果

他们的研究对于建立更精确的计算机模型来研究氢有着重要的意义,这有助于更好地理解行星和恒星的内部以及核聚变等过程的物理特性

当建立氢的状态方程——描述各种物理条件下氢的状态的方程——时,表征向金属氢相的转变是很重要的:它是突然(急剧)转变还是平稳转变? “这种一级相变的物理特性对于理解巨型行星的内部结构看起来像什么有着深远的影响,比如木星中氢和氦的去混合,”胡说

在2020年的《自然》论文中,研究人员利用机器学习得出结论,氢向金属氢相的转变是平稳的

然而,卡拉西耶夫和他的同事使用其他基本的密度泛函理论进行了大规模的量子模拟,发现氢的转变并不平滑,而是更加突然

这与之前收集的其他未经机器学习的数据一致

卡拉西耶夫说:“我们的工作证明,如果科学家在使用机器学习研究相变边界时不小心,机器学习可能会愚弄他们。”

“这是构建更好的模型来概述氢如何变成金属氢的重要一步

"

来源:由phyica.com整理转载自PH,转载请保留出处和链接!

本文链接:http://www.phyica.com/huaxue/23180.html

发表评论

用户头像 游客
此处应有掌声~

评论列表

还没有评论,快来说点什么吧~