人工智能释放陨石的热超能力
晶体和玻璃具有相反的导热性能，这在各种技术中发挥着举足轻重的作用。 这些范围从电子设备的小型化和效率到废热回收系统，以及航空航天应用热屏蔽的使用寿命。 优化这些不同应用中使用的材料的性能和耐用性的问题基本上归结为从根本上了解它们的化学成分和原子结构（例如，晶体、玻璃状、纳米结构）决定了它们的导热能力。 哥伦比亚工程学院应用物理学和应用数学助理教授米歇尔·西蒙切利（Michele Simoncelli）从第一性原理——即用亚里士多德的话来说，是“事物已知的第一基础”——从量子力学的基本方程开始，利用机器学习技术来解决这个问题。 以定量的准确性解决它们。 在 7 月 11 日发表在《美国国家科学院院刊》上的研究中，Simoncelli 和他的合作者瑞士洛桑联邦技术研究所的 Nicola Marzari 和罗马第一大学的 Francesco Mauri 预测了一种具有混合晶体-玻璃热性能的材料的存在，以及一个团队 由巴黎索邦大学的 Etienne Balan、Daniele Fournier 和 Massimiliano Marangolo 领导的实验家通过测量证实了这一点。 这种材料是同类材料中的第一个，是在陨石中发现的，并且在火星上也被发现。 驱动这种行为的基本物理学可以促进我们对在极端温差下管理热量的材料的理解和设计，更广泛地说，还可以深入了解行星的热历史。 原子有序晶体和无序玻璃中热传输的统一理论 热传导取决于材料是否晶体，具有有序的原子晶格，或玻璃状，具有无序的无定形结构，这会影响量子水平上的热量流动方式——从广义上讲，晶体中的热传导通常随着温度的升高而降低，而在玻璃中，热传导在加热时增加。 2019 年，Simoncelli、Nicola Marzari 和 Francesco Mauri 推导出了一个单一方程，该方程捕捉了在晶体和玻璃中观察到的相反的导热率趋势——最重要的是，还描述有缺陷或部分无序材料的中间行为，例如用于废热回收的热电材料、钙钛矿太阳能电池和隔热罩的热障涂层。 使用这个方程，他们研究了由二氧化硅（沙的主要成分之一）制成的材料的原子结构与导热系数之间的关系。 他们预测，1960 年代描述的一种特殊的“三氧化硅”形式作为陨石的典型特征，将表现出混合晶体-玻璃材料的特征，其导热系数随温度保持不变。 这种不寻常的热传输行为与热膨胀中的殷钢效应类似，该效应于 1920 年获得诺贝尔物理学奖。 这导致团队前往法国的 Etienne Balan、Daniele Fournier 和 Massimiliano Marangolo 的实验小组，他们获得了国家博物馆的特别许可巴黎自然历史学院对 1724 年降落在德国施泰因巴赫的陨石雕刻而成的二氧化硅三氧化硅样本进行实验。 他们的实验证实了他们的预测：陨石三晶体的原子结构介于有序晶体和无序玻璃之间，其导热系数在实验可访问的 80 K 至 380 K 温度范围内基本保持恒定。 经过进一步调查，该团队还预测，这材料可以在钢铁生产炉中使用的耐火砖中长达十年的热老化形成。 钢铁是现代社会最重要的材料之一，但生产钢铁是碳密集型的：仅 1 公斤钢材就会排放约 1.3 公斤二氧化碳，每年生产的近 10 亿吨钢铁约占美国碳排放量的 7%。 源自三硬矿的材料可用于更有效地控制钢中涉及的高温生产，有助于减少钢铁行业的碳足迹。 未来：从人工智能驱动的第一性原理理论解决方案到现实世界的技术 在这篇新的 PNAS 论文中，Simoncelli 采用机器学习方法来克服传统第一性原理方法的计算瓶颈，并以量子级精度模拟影响热传输的原子性质。 控制通过混合晶体-玻璃材料的热流的量子机制可能还有助于我们了解固体中其他激发的行为，例如携带电荷的电子和携带自旋的磁子。 对这些主题的研究正在塑造新兴技术，包括由热电驱动的可穿戴设备、神经形态计算和利用磁激发进行信息处理的自旋电子学设备。 哥伦比亚大学的 Simoncelli 小组正在探索这些主题，围绕三个核心支柱构建：第一性原理理论的制定预测实验可观测物，开发用于定量准确预测材料特性的人工智能模拟方法，并应用理论和方法来设计和发现材料，以克服有针对性的工业或工程挑战。