劳伦斯·利弗莫尔国家实验室
LLNL的科学家开发了一种新的方法，使用机器学习以前所未有的分辨率研究在冰巨人天王星和海王星中发现的超离子水的相位行为
信用:劳伦斯·利弗莫尔国家实验室 天王星和海王星的内部各含有地球海洋水量的大约50 000倍，一种被称为超离子水的水被认为在这些冰巨人半径的三分之一以上的深度是稳定的
超离子水是H2O的一个相，其中氢原子变成液态，而氧原子在晶格上保持固态
尽管超离子水是在三十多年前提出的，但是它的光学性质和氧晶格直到最近才在LLNL的Marius米洛特和Federica Coppari的实验中被精确测量，并且这种热“黑冰”的许多性质仍然是未知的
劳伦斯利弗莫尔国家实验室(LLNL)的科学家开发了一种新的方法，利用机器学习以前所未有的分辨率研究超纯水的相位行为
埋藏在行星核心深处的宇宙中大部分水可能是超离子的，理解它的热力学和输运性质对行星科学至关重要，但很难通过实验或理论来探索
在冰巨行星的压力和温度下，大部分水被第一性原理分子动力学(FPMD)模拟预测为超离子相
然而，这种量子力学模拟传统上被限制在短的模拟时间(10s皮秒)和小的系统尺寸(100s原子)内，导致诸如熔化线的相界位置的显著不确定性
在超纯水实验中，样品制备极具挑战性，氢的位置无法确定，动态压缩实验中的温度测量也不简单
通常，实验受益于量子分子动力学模拟在设计阶段和结果解释过程中提供的指导
在最近的研究中，该团队通过利用机器学习技术从量子力学计算中学习原子相互作用，在处理大系统规模和长时间尺度的能力方面取得了飞跃
然后，他们利用机器学习的潜力来驱动分子动力学，并能够使用先进的自由能采样方法来精确确定相界
LLNL物理学家Sebastien Hamel是发表在《自然物理学》上的一篇论文的合著者，他说:“我们使用机器学习和自由能方法来克服量子力学模拟的局限性，并表征极端条件下氢diffusion、超离子跃迁和水的相行为。”
研究小组发现，与现有实验观测一致的相界有助于解析冰巨人内部的绝热冰、different超离子相和液态水的成分
构建保持量子力学计算精度的有效相互作用势是一项困难的任务
此处开发的框架是通用的，可用于发现和/或表征其他复杂材料，如ICF胶囊中使用的电池电解质、塑料和纳米金刚石，以及与行星科学相关的氨、盐、碳氢化合物、硅酸盐和相关混合物的新相
哈默尔说:“我们对超离子水的定量理解揭示了天王星和海王星等行星的内部结构、演化和磁场，以及越来越多的冰冷系外行星。”
剑桥大学、里昂大学和东北大学的研究人员也为这篇论文做出了贡献
该项研究的LLNL部分由实验室指导的研发项目“揭示极端压力和温度下低Z磁场的物理和化学”和机构计算大挑战计划资助
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
