来自一块1724年陨石的一种稀有矿物违背了热流规律，表现出既像晶体又像玻璃的特性。得益于人工智能和量子物理学，研究人员揭示了其维持恒定热导率的奇特能力，这一突破可能会彻底变革技术和工业领域的热管理。
优化用于这些不同应用的材料性能和耐久性的问题，本质上归结为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与应用数学助理教授Michele Simoncelli从第一性原理出发解决这一问题——即用亚里士多德的话说，从“事物被认知的首要基础”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的精度求解这些方程。
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，Simoncelli及其合作者——来自洛桑联邦理工学院（Swiss Federal Technology Institute of Lausanne）的Nicola Marzari和来自罗马第一大学（Sapienza University of Rome）的Francesco Mauri——预测了一种具有晶体-玻璃混合热特性的材料的存在，而由巴黎索邦大学（Sorbonne University）的Etienne Balan、Daniele Fournier和Massimiliano Marangolo领导的实验团队通过测量证实了这一点。
作为同类中的首例，这种材料是在陨石中发现的，并且也在火星上被识别出来。驱动这种行为的根本物理学原理可以促进我们对在极端温差下管理热量的材料的理解和设计——并且，更广泛地说，为行星的热历史提供见解。
原子有序晶体和无序玻璃中热输运的统一理论
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，这影响了量子层面的热量流动方式——广义上讲，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，Simoncelli、Nicola Marzari和Francesco Mauri推导出了一个单一方程，该方程捕捉到了在晶体和玻璃中观察到的相反的热导率趋势——最重要的是，它还描述了有缺陷或部分无序材料的中间行为，例如用于废热回收的热电材料、钙钛矿太阳能电池和用于隔热罩的热障涂层。
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之间的关系。他们预测，一种特殊的“鳞石英”（tridymite）形态的二氧化硅（20世纪60年代被描述为陨石的典型成分）将表现出晶体-玻璃混合材料的特征，其热导率不随温度变化。这种不寻常的热输运行为与热膨胀中的因瓦效应（invar effect）类似，后者于1920年获得了诺贝尔物理学奖。
这促使该团队与法国Etienne Balan、Daniele Fournier和Massimiliano Marangolo的实验小组合作，这些小组获得了巴黎国家自然历史博物馆的特别许可，对从1724年降落在德国施泰因巴赫（Steinbach）的陨石上切下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，其热导率在实验可达到的80 K至380 K温度范围内基本保持恒定。
经进一步研究，团队还预测这种材料可能形成于钢铁生产炉窑所用耐火砖中长达数十年的热老化过程。钢铁是现代社会最重要的材料之一，但其生产过程是碳密集型的：仅生产1公斤钢铁就会排放约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有效地控制钢铁生产中涉及的剧烈热量，有助于减少钢铁行业的碳足迹。
未来：从第一性原理理论的AI驱动解决方案到现实世界技术
在这篇新的PNAS论文中，Simoncelli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，并以量子级精度模拟了影响热输运的原子特性。控制热量流经晶体-玻璃混合材料的量子机制也可能有助于我们理解固体中其他激发的行为，例如载流电子和载自旋磁振子。关于这些主题的研究正在塑造新兴技术，包括由热电供电的可穿戴设备、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。
Simoncelli在哥伦比亚大学的团队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量，开发AI模拟方法以对材料性能进行定量精确预测，以及应用理论和方法来设计和发现材料，以克服特定的工业或工程挑战。