能使用数百年且能固碳的混凝土？人工智能使之成为现实

目前，南加州大学维特比工程学院的研究人员开发出一款革命性的人工智能模型，该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启了前所未有的新可能性。

当前全球气候状况严峻。每年肆虐的严重干旱、消融的冰川以及更具破坏性的飓风、暴雨和野火持续造成巨大破坏。全球变暖的主要成因之一是大气中二氧化碳的持续排放。

南加州大学维特比学院计算机科学、物理学与天文学以及定量与计算生物学教授Aiichiro Nakano在洛杉矶一月份野火事件后开始深入思考这些问题。为此，他联系了长期合作伙伴——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，两人已合作超过二十年。

共同探讨这些问题激发了他们的新项目：Allegro-FM——一种由人工智能驱动的模拟模型。该模型取得了一项惊人理论发现：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CO₂注入混凝土内部，从而制成碳中和混凝土。"Nakano教授表示。

Nakano与Nomura教授，连同南加州大学维特比学院化学工程与材料科学教授Priya Vashishta以及南加州大学物理学与天文学教授Rajiv Kalia，一直在研究所谓的"二氧化碳封存"技术——即重新捕获并储存二氧化碳的过程，这是一项极具挑战性的技术。

通过同步模拟数十亿原子，Allegro-FM能够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——目前全球约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局限于数千至数百万原子规模的系统，而Allegro-FM在美国阿贡国家实验室的Aurora超级计算机上模拟超过40亿原子时，效率高达97.5%。

这代表着计算能力相比传统方法提升约1000倍。

该模型涵盖89种化学元素，可预测从水泥化学到碳封存等应用场景的分子行为。

"混凝土同时是一种极其复杂的材料。它包含多种元素以及不同的物相和界面。因此传统上我们缺乏模拟混凝土材料相关现象的手段。但现在我们可以运用Allegro-FM模拟其力学性能与结构特性。"Nomura教授解释道。

作为防火材料，混凝土成为一月份野火灾后理想建材选择。但其生产过程亦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挑战。模拟显示Allegro-FM混凝土具有碳中和特性，使其成为优于其他混凝土的选择。

此项突破性成果不仅解决单一问题。现代混凝土平均寿命仅约100年，而古罗马混凝土已存续超过2000年。二氧化碳回填技术对此亦有助益。

"注入二氧化碳后形成的'碳酸盐层'会使混凝土结构更加坚固。"Nakano教授指出。

换言之，Allegro-FM能够模拟出既实现碳中和，又可大幅超越当代混凝土百年寿命的配方。接下来只需付诸建造实践。

技术突破

教授们领导开发Allegro-FM时，充分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体系——Nomura教授称之为"深奥的量子力学现象"。

但过去两年彻底改变了他们的研究模式。

"如今借助机器学习AI的突破，研究者不再需要从头推导所有量子力学公式，而是采用生成训练集后让机器学习模型运行的方法。"Nomura教授表示。这显著提升了研究效率并优化了技术资源利用。

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和作用。传统方法中这些函数需要大量独立模拟计算。

新模型颠覆了这一范式。原本元素周期表中不同元素需各自独立的方程体系，而这些元素又涉及多种独特函数。但通过AI与机器学习，现在几乎可以同步模拟整个周期表元素的相互作用函数，无需分立公式体系。

"传统方法只能模拟特定材料组。例如可模拟二氧化硅玻璃，但无法同步模拟药物分子。"Nomura教授说明道。

新系统在技术层面也更高效：AI模型完成大量曾需超级计算机执行的精确计算，既简化任务又释放超算资源用于更前沿研究。

"人工智能能用极小计算资源实现量子力学精度。"Nakano教授强调。

Nomura与Nakano教授表示研究远未结束。

"我们必将持续推进混凝土研究，构建更复杂的几何结构与表面体系。"Nomura教授展望道。

本研究成果近期发表于《物理化学快报》期刊，并被选为当期封面论文。