AI破解陨石之谜：发现一种能抵抗极端高温的材料

优化不同应用场景中所用材料性能和耐久性的问题，本质上归结为从根本上理解其化学成分和原子结构（例如，晶体、玻璃态、纳米结构）如何决定其导热能力。哥伦比亚大学应用物理与应用数学系的助理教授米歇尔·西蒙切利（Michele Simoncelli）从第一性原理出发应对这一挑战——引用亚里士多德的话，即基于“认知事物的第一基础”——从量子力学的基本方程入手，并利用机器学习技术以定量精度求解这些方程。

在7月11日发表于《美国国家科学院院刊》（Proceedings of the National Academy of Sciences）的研究中，西蒙切利与其合作者——瑞士洛桑联邦理工学院的尼古拉·马尔扎里（Nicola Marzari）和罗马萨皮恩扎大学的弗朗切斯科·毛里（Francesco Mauri）——预测了一种具有晶体-玻璃混合热学特性的材料的存在，而由巴黎索邦大学的艾蒂安·巴兰（Etienne Balan）、达尼埃尔·富尔尼耶（Daniele Fournier）和马西米利亚诺·马兰戈洛（Massimiliano Marangolo）领导的实验团队通过测量证实了这一预测。

这种首次发现的材料存在于陨石中，并已在火星上被识别。驱动这种行为的基础物理学可推进我们对极端温差下热管理材料的理解和设计——更广泛地说，为行星的热演化史提供见解。

原子有序晶体与无序玻璃中热传导的统一理论

热传导取决于材料是原子有序排列的晶体，还是无序非晶结构的玻璃体，这影响着量子层面的热流行为——广义而言，晶体热导率通常随温度升高而降低，而玻璃热导率则随加热而升高。

2019年，西蒙切利、尼古拉·马尔扎里和弗朗切斯科·毛里推导出一个单一方程，该方程捕捉了晶体和玻璃中观察到的相反热导率趋势——最重要的是，也描述了缺陷材料或部分无序材料（如用于余热回收的热电材料、钙钛矿太阳能电池和热障涂层）的中间行为。

利用该方程，他们研究了二氧化硅（沙子的主要成分之一）材料中原子结构与热导率的关系。他们预测，二氧化硅的一种特殊“鳞石英”（tridymite）形态——在20世纪60年代被描述为陨石的典型特征——将表现出混合晶-玻璃材料的标志性特征：其热导率随温度保持恒定。这种异常的热输运行为类似于热膨胀中的因瓦效应（invar effect），该效应曾获颁1920年诺贝尔物理学奖。

这一发现促使团队联系了法国的艾蒂安·巴兰、达尼埃尔·富尔尼耶和马西米利亚诺·马兰戈洛实验组。他们获得巴黎国家自然历史博物馆特别许可，对一块取自1724年坠落在德国施泰因巴赫（Steinbach）的陨石样本中的二氧化硅鳞石英进行实验。实验结果证实了预测：陨石鳞石英的原子结构介于有序晶体和无序玻璃之间，其热导率在实验可测的80 K至380 K温度范围内基本保持恒定。

经进一步研究，团队还预测该材料可在炼钢炉耐火砖中经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，但其生产是碳密集型的：每生产1公斤钢铁约排放1.3公斤二氧化碳，而每年近10亿吨的产量约占美国碳排放量的7%。源自鳞石英的材料可用于更高效地控制钢铁生产中的高温过程，助力降低钢铁行业的碳足迹。

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技术

在这篇新的《美国国家科学院院刊》论文中，西蒙切利采用机器学习方法克服传统第一性原理方法的计算瓶颈，以量子级精度模拟影响热传输的原子特性。支配热量流经混合晶-玻璃材料的量子机制，也可能帮助我们理解固体中其他激发态的行为，例如载流电子和载磁振子（magnons）。对这些主题的研究正塑造着新兴技术，包括热电驱动的可穿戴设备、神经形态计算以及利用磁激发进行信息处理的自旋电子器件。

西蒙切利在哥伦比亚的研究团队正围绕三大核心支柱探索这些课题：构建可预测实验观测值的第一性原理理论框架；开发能定量精准预测材料特性的人工智能模拟方法；应用理论和方法来设计发现新材料，以攻克特定工业或工程挑战。