人工智能破解陨石奥秘：发现一种耐高温材料

优化这些不同应用中所用材料性能和耐久性的问题，本质上归结于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，用亚里士多德的话来说，依据“认知事物的首要基础”——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-玻璃混合热学性质的材料的存在，而由巴黎索邦大学的艾蒂安·巴兰（Etienne Balan）、达尼埃莱·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该预测。

这种首次发现于陨石中的材料，在火星上也已被识别。驱动这种行为的基础物理机制，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，为行星的热历史提供见解。

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原子有序排列的晶体，还是无序非晶结构的玻璃态，这影响着量子层面的热流方式——一般而言，晶体的热导率通常随温度升高而降低，而玻璃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材料）的中间行为。

利用该方程，他们研究了由二氧化硅（沙子的主要成分之一）制成的材料中原子结构与热导率的关系。他们预测，一种特定的“鳞石英”形态的二氧化硅（1960年代被描述为陨石的典型特征）将表现出混合晶体-玻璃材料的标志性特征：其热导率随温度保持不变。这种异常的热传输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。

这促使团队联系了法国的艾蒂安·巴兰、达尼埃莱·富尔尼耶和马西米利亚诺·马兰戈洛实验组，他们获得了巴黎国家自然历史博物馆的特许，对一块取自1724年坠落于德国施泰因巴赫陨石的二氧化硅鳞石英样本进行实验。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，其在80 K至380 K实验可测温度范围内的热导率基本保持恒定。

经过进一步研究，团队还预测该材料可通过炼钢炉耐火砖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：仅生产1千克钢材就排放约1.3千克二氧化碳，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的强热，有助于减少钢铁行业的碳足迹。

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

在这篇新发表的《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了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。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的行为，如携带电荷的电子和携带自旋的磁振子。对这些主题的研究正在塑造新兴技术，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大学的研究小组正围绕三个核心支柱探索这些主题：构建用于预测实验观测量的第一性原理理论、开发用于定量精确预测材料特性的人工智能模拟方法，以及应用理论和方法设计和发现材料以克服特定的工业或工程挑战。