AI破解陨石秘密：一种抗高温的材料

优化这些不同应用中所用材料性能和耐久性的问题，从根本上讲，归结于深刻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。哥伦比亚大学工程学院应用物理和应用数学助理教授米歇尔·西蒙切利（Michele Simoncelli）从第一性原理出发解决这个问题——即用亚里士多德的话说，从“认知事物的首要基础”出发——从量子力学的基本方程开始，并利用机器学习技术以定量精度求解它们。

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，西蒙切利及其合作者——来自瑞士洛桑联邦理工学院的尼古拉·马尔扎里（Nicola Marzari）和来自罗马萨皮恩扎大学的弗朗切斯科·毛里（Francesco Mauri）——预测了一种具有混合晶体-玻璃热性能材料的存在，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点。

这种首次发现于陨石中的独特材料，在火星上也已被鉴定。驱动这种行为的基础物理学可推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，有助于深入了解行星的热历史。

原子有序晶体与无序玻璃中热传输的统一理论

热传导取决于材料是具有有序原子晶格的晶体，还是具有无序非晶结构的玻璃态，这影响了量子层面的热流方式——一般而言，晶体中的热导率通常随温度升高而降低，而玻璃中的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，它还描述了有缺陷或部分无序材料（如用于废热回收的热电材料、钙钛矿太阳能电池和热障涂层的材料）的中间行为。

利用这个方程，他们研究了二氧化硅（沙子的主要成分之一）材料的原子结构与热导率之间的关系。他们预测，二氧化硅的一种特定“鳞石英”（tridymite）形态（在1960年代被描述为陨石的典型特征）将表现出混合晶体-玻璃材料的特征——其热导率随温度保持不变。这种不寻常的热传输行为与热膨胀中的因瓦效应（invar effect）类似，该效应曾获得1920年诺贝尔物理学奖。

这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·马兰戈洛实验小组，他们获得了巴黎国家自然历史博物馆的特批，对一块取自1724年降落在德国施泰因巴赫（Steinbach）陨石中的二氧化硅鳞石英样本进行实验。他们的实验证实了预测：陨石鳞石英的原子结构介于有序晶体和无序玻璃之间，其热导率在实验可及的80 K至380 K温度范围内基本保持恒定。

经过进一步研究，该团队还预测这种材料可能形成于炼钢炉所用耐火砖中长达十年的热老化过程。钢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公斤钢约排放1.3公斤二氧化碳，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炼钢过程中涉及的高温，有助于减少钢铁行业的碳足迹。

未来：从第一性原理理论的人工智能驱动解决方案到现实世界技术

在这篇新的PNAS论文中，西蒙切利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，并以量子级别的精度模拟影响热传输的原子特性。控制热量流经混合晶体-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（如载流电子和载自旋的磁振子）的行为。对这些主题的研究正在塑造新兴技术，包括由热电材料驱动的可穿戴设备、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大学的研究小组正在围绕三个核心支柱探索这些主题：制定第一性原理理论以预测实验可观测值；开发用于定量精确预测材料属性的人工智能模拟方法；应用理论和方法来设计与发现材料，以克服特定的工业或工程挑战。