机器学习展示了范德瓦尔斯力有助于解释水奇迹就像漂浮的冰块

为什么冰块漂浮在清凉的夏日饮料,而不是沉没?最简单的答案是,因为冰的密度小于水的密度,但科学家一直无法提供精确的理论解释,直到现在。

使用机器学习,托拜厄斯Morawietz奥地利维也纳大学和他的同事们,和波鸿-鲁尔大学,德国,模拟了水分子的相互作用。除了解决密度难题,他们认为他们是第一个准确计算冰的熔点基本的量子力学。这些结果强调范德华力的重要性和演示从头开始的预测能力分子动力学模拟,“Morawietz说。

©Tobias Morawietz /维也纳大学

水从高(左面板)低温度(右面板),距离中央分子(绿色)第一层水分子(红色)降低,距离第二外壳(蓝色)增加

冰占据了更大的体积比液态水,因为水分子氢键维持在一个刚性的三维网络。当冰融化时,这些债券削弱和水分子可以靠近,越来越密集的在4°C。

了解这些过程化学家可以用从头计算分子动力学方法基于密度泛函理论(DFT)。然而,这样的计算过于密集的模拟超过几皮秒或者10秒当纳秒时间周期,一千倍的时间,是必要的。更糟的是,DFT不准确地再现微小但重要的范德瓦尔斯力。

Morawietz的团队训练一个神经网络复制DFT结果使用更少的计算机能力,并应用先前已有的范德瓦耳斯修正。他们的模拟显示水的密度如何变化的。热削弱了氢键网络,让分子疏远,降低密度。从任何单个水分子的角度来看,在气温升高一些水分子,更遥远的还可以侵入到最近的周围的分子。

©国家科学院

仿真Morawietz和他的同事们使用建立水的熔点显示了液体和冰结构的区别

冷却水加强氢键网络,把最近的壳,虽然液体时一些入侵者分子仍然存在。进一步冷却后,我国网络拒绝入侵者。这最近的壳牌的收缩和入侵之间的竞争导致4°C分子密度最大。“只有范德瓦尔斯力正确考虑氢键网络有正确的灵活性允许第二电子层分子进出第一溶剂化外壳,“Morawietz说。

田纳西大学的大卫Keffer来说研究警告说,牺牲一个粗一个细粒度的方法得到更好的计算效率。通常个人感兴趣的问题,只能用更精细的分辨率问题解决粗技术,”他强调。然而,这里的取舍提供基础良好改善水造型,Keffer来说说。