能持续数个世纪并捕获二氧化碳的混凝土？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，为前所未有的规模下的材料设计和发现开辟了新途径。

当前全球气候状况严峻。严重的干旱、不断消融的冰川以及更具破坏性的飓风、暴雨和野火每年都在肆虐。全球变暖的一个主要因素是大气中二氧化碳的持续排放。

南加州大学维特比分校计算机科学、物理与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，一直在思考这些问题。因此，他与合作超过20年的长期合作伙伴、南加州大学维特比分校化学工程与材料科学实践教授Ken-Ichi Nomura取得了联系。

共同探讨这些问题激发了他们启动新项目：Allegro-FM，一个由人工智能驱动的模拟模型。Allegro-FM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封存在混凝土内部，从而制造出碳中性的混凝土，" Nakano说道。

Nakano和Nomura，连同南加州大学维特比分校化学工程与材料科学教授Priya Vashishta以及南加州大学物理与天文学教授Rajiv Kalia，一直在研究他们称之为"二氧化碳封存"的技术——即重新捕获二氧化碳并将其储存起来的过程，这是一个极具挑战性的过程。

通过同时模拟数十亿原子，Allegro-FM能够在昂贵的现实实验之前，虚拟测试不同的混凝土化学配方。这可以加速开发具有碳汇功能而非仅仅是碳源的混凝土——目前混凝土生产约占全球二氧化碳排放量的8%。

该模型的突破性在于其可扩展性。现有的分子模拟方法局限于数千或数百万原子的系统，而Allegro-FM在阿贡国家实验室的Aurora超级计算机上模拟超过四十亿原子时，效率高达97.5%。

这代表了计算能力较传统方法提升了约1000倍。

该模型还涵盖89种化学元素，能够预测从水泥化学到碳存储等多种应用中的分子行为。

"混凝土也是一种非常复杂的材料。它由多种元素以及不同的相和界面组成。因此，传统上我们无法模拟涉及混凝土材料的现象。但现在我们可以使用Allegro-FM来模拟其机械性能[和]结构性能，" Nomura表示。

混凝土是一种耐火材料，使其成为一月份野火后理想的建筑选择。但混凝土生产同时也是巨大的二氧化碳排放源，这对于像洛杉矶这样的城市是一个特别令人担忧的环境问题。在他们的模拟中，Allegro-FM已被证明是碳中性的，使其成为优于其他混凝土的选择。

这一突破不仅仅解决了一个问题。现代混凝土平均仅能维持约100年，而古罗马混凝土已持续使用超过2000年。但二氧化碳的重新捕获对此同样有所帮助。

"如果加入二氧化碳，形成所谓的'碳酸盐层'，混凝土会变得更加坚固，" Nakano解释道。

换言之，Allegro-FM可以模拟出一种碳中性混凝土，其使用寿命也可能远超当今混凝土通常的100年。现在剩下的就是将其建造出来。

幕后故事

教授们领导开发Allegro-FM时，深刻认识到人工智能如何加速了他们复杂的研究工作。通常，为了模拟原子行为，教授们需要一系列精确的数学公式——或者如Nomura所称的"深奥的量子力学现象"。

但过去两年改变了他们的研究方式。

"如今，由于机器学习人工智能的突破，研究人员不再需要从头推导所有这些量子力学方程，而是采取生成训练集然后让机器学习模型运行的方法，" Nomura说道。这显著加快了教授们的研究进程，同时也提高了技术使用效率。

Allegro-FM能够精确预测原子间的"相互作用函数"——即原子如何相互反应和相互作用。通常，这些相互作用函数需要大量的单独模拟。

但这个新模型改变了现状。最初，周期表中不同元素有各自独立的方程，这些元素还具有多个独特函数。然而，借助人工智能和机器学习，我们现在有可能同时模拟几乎整个周期表的相互作用函数，而无需单独的公式。

"传统方法是模拟特定的一组材料。例如，你可以模拟二氧化硅玻璃，但无法将其与某种药物分子一起模拟，" Nomura解释道。

这个新系统在技术层面也高效得多，人工智能模型执行了大量过去需要大型超级计算机完成的精确计算，简化了任务并释放了超级计算机资源用于更高级的研究。

"[人工智能能够]以小得多的计算资源实现量子力学精度，" Nakano强调。

Nomura和Nakano表示他们的工作远未结束。

"我们当然会继续这项混凝土研究，构建更复杂的几何结构和表面，" Nomura展望道。

这项研究近期发表在《物理化学快报》(The Journal of Physical Chemistry Letters)上，并被选为期刊封面图片。