网站 Banner

        想象一下，我们家和桥梁中的混凝土不仅能够承受时间的破坏和野火的高温等自然灾害，而且还能积极地自我修复或从大气中捕获二氧化碳。

        现在，南加州大学维特比工程学院的研究人员开发了一种革命性的人工智能模型，可以同时模拟数十亿个原子的行为，为前所未有的规模的材料设计和发现开辟了新的可能性。

         当前世界气候状况非常糟糕。 残酷的干旱、蒸发的冰川以及更灾难性的飓风、暴雨和野火每年都在摧毁我们。 全球变暖的一个主要因素是二氧化碳不断排放到大气中。 南加州大学维特比分校计算机科学、物理学和天文学以及定量和计算生物学教授

         Aiichiro Nakano 在 1 月份洛杉矶野火发生后正在考虑这些问题。 于是，他联系了长期合伙人野村健一是南加州大学维特比分校化学工程和材料科学实践教授，与他合作了 20 多年。

         一起讨论这些问题有助于激发他们的新项目：Allegro-FM，一种人工智能驱动的模拟模型。 Allegro-FM 有一个惊人的理论发现：可以重新捕获制造混凝土过程中排放的二氧化碳，并将其放回它帮助生产的混凝土中。

         “你可以把二氧化碳放进混凝土里，然后就可以形成碳中和混凝土，”中野说。

         Nakano 和 Nomura 以及南加州大学维特比分校化学工程和材料科学教授 Priya Vashishta 以及南加州大学物理和天文学教授 Rajiv Kalia 一直在研究他们所谓的“二氧化碳封存”，即回收二氧化碳并将其储存的过程，这是一个具有挑战性的过程。

         通过同时模拟数十亿个原子，Allegro-FM 可以在昂贵的实际实验之前虚拟测试不同的混凝土化学成分。 这可能会加速作为碳汇而不仅仅是碳源的混凝土的开发——混凝土生产目前约占全球二氧化碳排放量的 8%。

         突破在于模型的可扩展性。 虽然现有的分子模拟方法仅限于具有数千或数百万个原子的系统，但 Allegro-FM 在在阿贡国家实验室的极光超级计算机上模拟超过 40 亿个原子。

         这代表了比传统方法大大约 1,000 倍的计算能力。

         该模型还涵盖了 89 种化学元素，可以预测从水泥化学到碳储存等应用的分子行为。

         “混凝土也是一种非常复杂的材料。 它由许多元素以及不同的相和接口组成。 所以，传统上，我们没有一种模拟涉及混凝土材料的现象的方法。 但现在我们可以使用这个 Allegro-FM 来模拟机械性能 [和] 结构性能，“野村说。

         混凝土是一种耐火材料，使其成为 1 月野火后的理想建筑选择。 但混凝土生产也是二氧化碳的巨大排放源，这在洛杉矶这样的城市尤其令人担忧的环境问题。 在他们的模拟中，Allegro-FM 已被证明是碳中和的，使其成为比其他混凝土更好的选择。

         这一突破不仅解决了一个问题。 现代混凝土平均只能使用约 100 年，而古罗马混凝土则可以使用 2,000 多年。 但二氧化碳的回收也有助于实现这一目标。

         “如果你放入二氧化碳，即所谓的'碳酸盐层'，它会变得更加坚固，”中野说。

         换句话说，Allegro-FM 可以模拟碳中和混凝土，其使用寿命也可能比 100 年长得多如今，混凝土通常可以持续使用。 现在只是构建它的问题。

         幕后花絮

         教授们领导了 Allegro-FM 的开发，并欣赏 AI 如何成为他们复杂工作的加速器。 通常，为了模拟原子的行为，教授们需要一系列精确的数学公式——或者，正如野村所说，“深刻、深刻的量子力学现象”。

         但过去两年改变了两人的研究方式。

         “现在，由于机器学习人工智能的这一突破，研究人员没有从头开始推导所有这些量子力学，而是采取生成训练集然后让机器学习模型运行的方法，“野村说。 这使得教授们在技术使用方面更快、更高效。

         Allegro-FM 可以准确预测原子之间的“相互作用函数”——换句话说，原子如何反应和相互作用。 通常，这些交互函数需要大量的单独模拟。

         但这个新模式改变了这一点。 最初，元素周期表中的单个元素有不同的方程，这些元素有几个独特的函数。 不过，在人工智能和机器学习的帮助下，我们现在可以同时模拟这些几乎整个元素周期表的相互作用函数，而无需单独的公式。

         “传统的方法是以模拟一组材质。 因此，你可以模拟，比方说，硅玻璃，但你不能用药物分子来模拟，“野村说。

         这个新系统在技术方面也更加高效，人工智能模型可以进行大量过去由大型超级计算机完成的精确计算，从而简化了任务并释放了超级计算机的资源用于更高级的研究。

         “[人工智能可以]以大量方式实现量子力学精度，计算资源要小得多，“中野说。

         Nomura 和 Nakano 表示，他们的工作还远未结束。

         “我们肯定会继续这项具体研究，制造更复杂的几何形状和表面，”野村说。

         这项研究最近发表在物理化学快报并被作为该期刊的封面图片。