设想一种混凝土，它不仅能抵御野火和极端天气，还能自我修复并吸收空气中的碳。南加州大学的科学家开发出名为Allegro-FM的人工智能模型，该模型可同时模拟数十亿原子，助力设计碳中和混凝土等未来材料。这项技术通过三大变革或将重塑城市：减少碳排放、延长建筑寿命、效仿古罗马混凝土的千年耐久性——这一切完全归功于人工智能原子建模技术的巨大飞跃。
（译文严格保留所有技术细节：
1. "carbon-neutral concrete"译为"碳中和混凝土"
2. "billions of ato
目前，南加州大学维特比工程学院的科研人员开发出一款革命性人工智能模型，该模型能够同时模拟数十亿个原子的行为，为材料设计和发现开辟了前所未有的新可能。
当前全球气候形势严峻。残酷的干旱、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。导致全球变暖的主要因素是持续向大气排放二氧化碳。
南加大维特比学院计算机科学、物理学、天文学及定量与计算生物学教授爱一郎中野在经历一月份洛杉矶野火后，深入思考了这些问题。为此，他联系了合作逾20年的长期伙伴——南加大维特比学院化学工程与材料科学实践教授Ken-Ichi Nomura（野村健一）。
共同探讨这些问题激发了他们的新项目：Allegro-FM人工智能驱动仿真模型。该模型取得了一项惊人理论突破：可将混凝土生产过程中排放的二氧化碳重新捕获，并将其封存回由其参与制造的混凝土中。
"只需将二氧化碳封存于混凝土内部，即可制成碳中和混凝土，"中野教授解释道。
中野与野村教授，联合南加大维特比学院化学工程与材料科学教授Priya Vashishta，以及南加大物理与天文学教授Rajiv Kalia，一直致力于研究"二氧化碳封存"技术——即重新捕获并存储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化学配方。这有望加速开发具备碳汇功能（而非碳源）的混凝土——当前全球约8%的二氧化碳排放源自混凝土生产。
突破性进展在于该模型的可扩展性。现有分子模拟方法仅限于数千至数百万原子系统，而Allegro-FM在阿尔贡国家实验室"极光"超算上模拟超40亿原子时，展现出97.5%的效能。
这标志着其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复合材料，包含多种元素、不同物相及界面。传统上我们缺乏有效模拟手段，如今Allegro-FM能模拟其力学性能与结构特性，"野村教授指出。
作为防火材料，混凝土是一月野火后理想建材选择。但其生产过程排放巨量二氧化碳，这在洛杉矶等城市构成严峻环境问题。模拟显示Allegro-FM能实现碳中和，使其优于其他混凝土。
此项突破性技术解决多重难题。现代混凝土平均寿命仅约100年，而古罗马混凝土已屹立2000余载。二氧化碳封存技术亦能提升耐久性。
"注入二氧化碳形成的'碳酸盐层'将使混凝土更坚固，"中野教授强调。
换言之，Allegro-FM可模拟出既碳中和又远超当代混凝土百年寿命的新型材料。当下关键任务是将其实体化。
技术原理
研发团队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密数学公式——野村教授称之为"深奥的量子力学现象"。
近两年AI技术彻底改变了研究范式。
"基于机器学习AI的突破，研究者不再从头推导量子力学方程，转而采用生成训练集驱动机器学习模型的新方法，"野村教授表示。这显著提升了研究效率与计算资源利用率。
Allegro-FM能精准预测原子间的"相互作用函数"——即原子反应与互作机制。传统方法需进行大量独立模拟。
新模型颠覆了传统：原本元素周期表中各元素需独立方程及特定函数，而借助AI与机器学习，现可近乎同步模拟整个周期表元素的相互作用函数，无需分立公式。
"传统方法仅能模拟特定材料集合。例如可模拟二氧化硅玻璃，但无法同步模拟药物分子，"野村教授阐释道。
新技术体系大幅提升运算效能：AI模型替代大型超算执行海量精确计算，既简化任务又释放超算资源投入更前沿研究。
"人工智能能以极小计算资源实现量子力学级精度，"中野教授强调。
野村与中野教授表示研究仍将持续深化。
"我们将继续推进混凝土研究，构建更复杂的几何结构与表面模型，"野村教授透露。
本研究成果已发表于近期的《物理化学快报》期刊，并被选为封面论文。