使用机器学习更好地了解水的行为

几十年来，水一直困扰着科学家。在过去 30 年左右的时间里，他们建立了这样的理论：当冷却到 -100 摄氏度这样的极低温度时，水可能会分离成两个不同密度的液相。就像油和水一样，这些相不会混合，可能有助于解释水的其他一些奇怪行为，比如它如何在冷却时变得不那么稠密。

然而，在实验室中研究这种现象几乎是不可能的，因为水在如此低的温度下会如此迅速地结晶成冰。现在，佐治亚理工学院的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来支持水的液-液转变，这些证据可以应用于使用水运行的现实世界系统。

“我们正在通过非常详细的量子化学计算来做到这一点，这些计算试图尽可能接近水的真实物理和物理化学，” 佐治亚理工学院化学与生物分子工程学院助理教授 Thomas Gartner说。 . “这是第一次有人能够以这种准确度研究这种转变。”

该研究与来自普林斯顿大学的合著者发表在《物理评论快报》杂志上 的论文“水中的液-液转变”一文中。

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，Gartner 将其与虚拟显微镜进行了比较。

“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，并实时观察它们的移动和相互作用，”他说。“这就是我们通过制作几乎是一部计算电影所做的事情。”

研究人员分析了分子在不同水温和压力下的运动方式和液体结构特征，模拟了高密度液体和低密度液体之间的相分离。他们收集了大量数据——运行一些模拟长达一年——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，运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如何相互作用的能量。该模型执行计算的速度明显快于传统技术，从而使模拟能够更有效地进行。

机器学习并不完美，因此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测试他们的预测。如果多次模拟给出了相似的结果，那么它验证了它们的准确性。

“这项工作的挑战之一是没有很多数据可供我们比较，因为这是一个几乎不可能通过实验研究的问题，”Gartner 说。“我们真的在这里突破了界限，所以这就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。”

超越水

研究人员测试的一些极端条件可能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，这些发现还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 Gartner 称，这项工作甚至更具普遍性。水是一个经过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，或复杂的现象，如化学反应。

“水对生活和工业如此重要，因此水是否可以经历这种相变这一特殊问题一直是一个长期存在的问题，如果我们能够找到答案，那将很重要，”他说。“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是什么，而且这个领域还有很大的发展空间。”