機器學習助力更好理解水的行為

美國一個研究團隊在最新一期《物理評論快報》上刊發論文稱，他們借助機器學習技術來理解水在零下100℃的行為。最新研究不僅能讓科學家更好地理解水，也為更好地從理論上理解各種物質開辟了更多途徑。

水是人們最熟悉、接觸最頻繁的物質之一，但實際上它還有很多未解之謎。在過去30年里，科學家們從理論上認為，當冷卻到零下100℃這樣的極低溫度時，水可能會分離成兩種不同密度的液相，且這兩種液相就像油和水一樣不相容，這可能有助于解釋水的一些奇怪行為，比如其為何會隨著冷卻而變得不那么致密。

但在實驗室里幾乎不可能研究上述現象，因為水在如此低的溫度下很快就會結晶成冰。在本研究中，美國佐治亞理工學院和普林斯頓大學的科學家求助于機器學習模型，發現了強有力的計算證據，支持水的液—液相變。

研究人員在超級計算機上進行了分子模擬。他們分析了水分子如何移動，并在不同水溫和壓力下表征了液體結構，模擬了高密度和低密度液體之間的相分離。他們還使用機器學習算法計算了水分子之間相互作用的能量，該模型執行計算的速度明顯快于傳統技術，從而使模擬能更有效地進行。

測試的一些條件非常極端，這些條件并不天然存在于地球上，但可能存在于太陽系的各種水環境——從木衛二海洋到彗星中心的水中。因此，這些發現也可幫助研究人員更好地解釋和預測水的奇怪和復雜的物理化學特性，為水在工業過程中的使用提供更有意義的信息，也有助科學家開發出更好的氣候模型。