可使用数百年的碳捕捉混凝土？人工智能使之成为可能

如今，南加州大学维特比工程学院的研究人员开发出一种革命性的人工智能模型，能够同时模拟数十亿原子的行为，为材料设计和发现开辟了前所未有的新可能。

当前全球气候状况严峻。每年肆虐的干旱、消融的冰川以及更具破坏性的飓风、暴雨和野火不断造成灾难。全球变暖的主要推手是持续排放到大气中的二氧化碳。

南加州大学维特比学院计算机科学、物理学、天文学以及定量与计算生物学教授Aiichiro Nakano在经历一月份洛杉矶野火后，开始深入思考这些问题。为此，他联系了合作超过二十年的长期伙伴——南加州大学维特比学院化学工程与材料科学实践教授Ken-Ichi Nomura。

共同探讨这些问题激发了他们的新项目：Allegro-FM，一个由人工智能驱动的模拟模型。该模型取得了一项惊人的理论发现：在混凝土生产过程中排放的二氧化碳可以被重新捕获，并回填到其参与制造的混凝土中。

"你可以直接将二氧化碳注入混凝土内部，从而制造出碳中和混凝土，"Nakano表示。

Nakano和Nomura与南加州大学维特比学院化学工程与材料科学教授Priya Vashishta、南加州大学物理学与天文学教授Rajiv Kalia共同研究他们称为"二氧化碳封存"的技术——即重新捕获并储存二氧化碳的复杂过程。

通过同步模拟数十亿原子，Allegro-FM能在耗资巨大的实体实验前虚拟测试不同混凝土的化学配方。这将加速开发具有碳汇功能（而非仅仅是碳源）的混凝土——当前混凝土生产约占全球二氧化碳排放量的8%。

突破性进展在于模型的可扩展性。现有分子模拟方法仅限于处理数千至数百万原子的系统，而Allegro-FM在阿贡国家实验室"极光"超级计算机上模拟超40亿原子时，展现出97.5%的运算效率。

这标志着计算能力达到传统方法的约1000倍。

该模型还涵盖89种化学元素，可预测从水泥化学到碳封存等应用的分子行为。

"混凝土是极其复杂的材料，包含多种元素及不同相态与界面。传统上我们缺乏模拟混凝土材料现象的手段，但现在可以利用Allegro-FM模拟其机械性能和结构性能，"Nomura解释道。

混凝土作为耐火材料，是一月野火灾后理想的建筑选择。但其生产过程却是巨大的二氧化碳排放源，这对洛杉矶这类城市构成严峻环境问题。模拟显示Allegro-FM技术可实现碳中和，使其成为优于其他混凝土的选择。

此项突破不仅解决单一问题。现代混凝土平均寿命仅约100年，而古罗马混凝土已存续2000余年。二氧化碳的再捕获技术对此亦有助益。

"注入二氧化碳形成的'碳酸盐层'会使混凝土更坚固，"Nakano指出。

换言之，Allegro-FM可模拟出既实现碳中和，又远超当今混凝土百年寿命的新型材料。现在只需将其付诸建造实践。

技术突破

教授们领导开发Allegro-FM时，深刻认识到人工智能对复杂研究的加速作用。传统原子行为模拟需依赖精确的数学公式序列——Nomura称之为"深奥的量子力学现象"。

但过去两年彻底改变了研究方式。

"得益于机器学习AI的突破，研究者不再需要从头推导量子力学方程，而是采用生成训练集后让机器学习模型自主运行的方法，"Nomura表示。这使研究过程更高效，技术利用更充分。

Allegro-FM能精准预测原子间的"相互作用函数"——即原子如何相互反应与作用。传统方法中这些函数需要大量独立模拟计算。

新模型颠覆了这一模式。原本元素周期表中不同元素需各自独立的方程和专属函数，而借助AI与机器学习，现在几乎能同步模拟整个周期表元素的相互作用函数，无需分立公式。

"传统方法只能模拟特定材料组合。例如可模拟硅玻璃，但无法与药物分子同步模拟，"Nomura举例说明。

新系统在技术层面也显著增效：AI模型替代大型超级计算机执行海量精确运算，既简化任务又释放超算资源用于更前沿研究。

"AI能以极小计算资源实现量子力学精度，"Nakano强调。

Nomura和Nakano表示研究远未结束。

"我们将持续推进混凝土研究，构建更复杂的几何结构与表面形态，"Nomura透露。

此项成果近期发表于《物理化学快报》期刊，并被选为封面论文。

Story Source:

Materialsprovided byUniversity of Southern California.Note: Content may be edited for style and length.

Journal Reference:

Ken-ichi Nomura, Shinnosuke Hattori, Satoshi Ohmura, Ikumi Kanemasu, Kohei Shimamura, Nabankur Dasgupta, Aiichiro Nakano, Rajiv K. Kalia, Priya Vashishta.Allegro-FM: Toward an Equivariant Foundation Model for Exascale Molecular Dynamics Simulations.The Journal of Physical Chemistry Letters, 2025; 16 (25): 6637 DOI:10.1021/acs.jpclett.5c00605