Использование машинного обучения для лучшего понимания поведения воды.

Вода озадачивает ученых на протяжении десятилетий. В течение последних 30 лет или около того они предполагали, что при охлаждении до очень низкой температуры, например -100°C, вода может разделиться на две жидкие фазы с разной плотностью. Как нефть и вода, эти фазы не смешиваются и могут помочь объяснить некоторые другие странные свойства воды, например, то, как она становится менее плотной по мере охлаждения.

Однако почти невозможно изучить это явление в лаборатории, потому что вода очень быстро кристаллизуется в лед при таких низких температурах. Теперь новое исследование Технологического института Джорджии использует модели машинного обучения, чтобы лучше понять фазовые изменения воды, открывая больше возможностей для лучшего теоретического понимания различных веществ. С помощью этой техники исследователи нашли убедительные вычислительные доказательства в поддержку перехода воды из жидкости в жидкость, которые можно применить к реальным системам, использующим воду для работы.

«Мы делаем это с помощью очень подробных расчетов квантовой химии, которые стараются максимально приблизить к реальной физике и физической химии воды», — сказал Томас Гартнер, доцент Школы химической и биомолекулярной инженерии Технологического института Джорджии. «Это первый раз, когда кто-либо смог изучить этот переход с таким уровнем точности».

Исследование было представлено в статье « Переход жидкость-жидкость в воде из первых принципов » в журнале Physical Review Letters с соавторами из Принстонского университета.

Имитация воды

Чтобы лучше понять, как взаимодействует вода, исследователи провели молекулярное моделирование на суперкомпьютерах, которые Gartner сравнил с виртуальным микроскопом.

«Если бы у вас был бесконечно мощный микроскоп, вы могли бы увеличивать масштаб до уровня отдельных молекул и наблюдать за их движением и взаимодействием в реальном времени», — сказал он. «Это то, что мы делаем, создавая почти компьютерный фильм».

Исследователи проанализировали, как движутся молекулы, и охарактеризовали структуру жидкости при различных температурах и давлениях воды, имитируя фазовое разделение между жидкостями с высокой и низкой плотностью. Они собрали обширные данные — выполняли некоторые симуляции на срок до года — и продолжали настраивать свои алгоритмы для получения более точных результатов.

Даже десятилетие назад запуск таких длинных и подробных симуляций был бы невозможен, но сегодня машинное обучение предлагает более короткий путь. Исследователи использовали алгоритм машинного обучения, который рассчитывал энергию взаимодействия молекул воды друг с другом. Эта модель выполняла вычисления значительно быстрее, чем традиционные методы, что позволяло проводить моделирование гораздо эффективнее.

Машинное обучение не идеально, поэтому эти длительные симуляции также повысили точность прогнозов. Исследователи тщательно проверили свои прогнозы с помощью различных типов алгоритмов моделирования. Если несколько симуляций давали схожие результаты, это подтверждало их точность.

«Одна из проблем с этой работой заключается в том, что у нас не так много данных, с которыми мы можем сравнить, потому что это проблема, которую практически невозможно изучить экспериментально», — сказал Гартнер. «Мы действительно раздвигаем границы здесь, и это еще одна причина, почему так важно, чтобы мы пытались сделать это, используя несколько различных вычислительных методов».

За водой

Некоторые из испытанных исследователями условий были экстремальными, которые, вероятно, не существуют непосредственно на Земле, но потенциально могут присутствовать в различных водных средах Солнечной системы, от океанов Европы до воды в центре комет. Тем не менее, эти результаты могут также помочь исследователям лучше объяснить и предсказать странный и сложный физический химический состав воды, информируя об использовании воды в промышленных процессах , разрабатывая более совершенные модели климата и многое другое.

По словам Gartner, работа еще более обобщается. Вода — хорошо изученная область исследований, но эту методологию можно распространить на другие трудно моделируемые материалы, такие как полимеры, или сложные явления, такие как химические реакции .

«Вода играет центральную роль в жизни и промышленности, поэтому этот конкретный вопрос о том, может ли вода пройти этот фазовый переход, был давней проблемой, и если мы сможем найти ответ, это важно», — сказал он. «Но теперь у нас есть эта действительно мощная новая вычислительная техника, но мы еще не знаем, каковы границы, и есть много возможностей для продвижения вперед».