研究人员通过结合人工智能和量子力学来模拟冰的形成

8月10日消息（南山）据国外媒体报道，位于普林斯顿大学的一个研究小组通过应用人工智能（AI），解决支配单个原子和分子的量子行为方程式，准确地模拟了冰形成的最初步骤。

研究人员将人工智能和量子力学结合起来，模拟了水结冰时在分子水平上发生的情况。其结果是对冰 "成核 "的最初步骤进行了最完整的模拟，这一过程对气候和天气建模非常重要。

由此产生的模拟以量子精度描述了水分子如何转变为固态冰。由于需要大量的计算能力，这种准确度曾经被认为是无法达到的，但当研究人员将 神经网络纳入他们的方法中时，这种准确度就成为可能。这项研究于2022年8月8日的一周发表在《美国国家科学院院刊》上。

"从某种意义上说，这就像一个梦想成真，"普林斯顿大学化学教授Roberto Car说。他在35多年前共同开创了根据基本量子定律模拟分子行为的方法。"我们当时的希望是，最终将能够研究像这样的系统，但如果没有进一步的概念发展，这是不可能的，而这种发展是通过一个完全不同的领域，即人工智能和数据科学。"

对水冻结的初始步骤进行建模的能力，一个被称为冰核的过程，可以提高天气和气候建模的准确性，以及其他商业，例如闪冻食品。

这种新方法使研究人员能够在比早期研究长几千倍的时间段内跟踪数十万个原子的活动，尽管仍然只是几分之一秒。

Roberto Car共同发明了使用基础量子力学定律来预测原子和分子的物理运动的方法。量子力学定律决定了原子如何相互结合形成分子，以及分子如何相互结合形成日常物品。

量子力学计算很复杂，需要巨大的计算能力。在20世纪80年代，计算机可以在几万亿分之一秒的时间跨度内模拟一百个原子。后来计算技术的进步和现代超级计算机的出现，提高了原子的数量和模拟的时间跨度，但其结果远远不能满足观察复杂过程（如冰核形成）所需的原子数量。

人工智能提供了一个有吸引力的潜在解决方案。研究人员训练一个神经网络，因其与人脑的工作原理相似而命名，以识别相对较少的选定量子计算。一旦经过训练，神经网络就能以量子力学的精度计算出它以前从未见过的原子之间的力量。这种 "机器学习 "方法已经在日常应用中使用，如语音识别和自动驾驶汽车。

"冰核是天气预测模型中的主要未知量之一，"普林斯顿大学教授Pablo Debenedetti说。"这是一个相当重要的进步，因为我们看到与实验有非常好的一致性。我们已经能够模拟非常大的系统，这在以前的量子计算中是不可想象的。"

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。