Gli scienziati del LLNL hanno sviluppato un nuovo approccio utilizzando l'apprendimento automatico per studiare con una risoluzione senza precedenti i comportamenti di fase dell'acqua superionica trovata nei giganti di ghiaccio Urano e Nettuno. Credito:Lawrence Livermore National Laboratory
Gli interni di Urano e Nettuno contengono ciascuno circa 50.000 volte la quantità di acqua negli oceani della Terra, e si crede che una forma d'acqua nota come acqua superionica sia stabile a profondità maggiori di circa un terzo del raggio di questi giganti di ghiaccio.
L'acqua superionica è una fase di H 2 O dove gli atomi di idrogeno diventano liquidi mentre gli atomi di ossigeno rimangono solidi su un reticolo cristallino. Sebbene l'acqua superionica sia stata proposta oltre tre decenni fa, le sue proprietà ottiche e i reticoli di ossigeno sono stati misurati accuratamente solo di recente in esperimenti di Marius Millot e Federica Coppari di LLNL, e molte proprietà di questo caldo "ghiaccio nero" sono ancora inesplorate.
Gli scienziati del Lawrence Livermore National Laboratory (LLNL) hanno sviluppato un nuovo approccio utilizzando l'apprendimento automatico per studiare con una risoluzione senza precedenti i comportamenti di fase dell'acqua superionica.
Sepolto nel profondo del nucleo dei pianeti, gran parte dell'acqua nell'universo potrebbe essere superionica e la comprensione delle sue proprietà termodinamiche e di trasporto è cruciale per la scienza planetaria, ma è difficile da sondare sperimentalmente o teoricamente.
Sotto le pressioni e le temperature che si trovano nei pianeti giganti di ghiaccio, Secondo le simulazioni di First-Principles Molecular Dynamics (FPMD), la maggior parte di quest'acqua si trovava in una fase superionica. Però, tali simulazioni di meccanica quantistica sono state tradizionalmente limitate a brevi tempi di simulazione (10 secondi di picosecondi) e piccole dimensioni del sistema (100 secondi di atomi) portando a una significativa incertezza nella posizione dei confini di fase come la linea di fusione.
Negli esperimenti sull'acqua superionica, la preparazione del campione è estremamente impegnativa, le posizioni dell'idrogeno non possono essere determinate e le misurazioni della temperatura negli esperimenti di compressione dinamica non sono semplici. Spesso gli esperimenti beneficiano della guida fornita dalle simulazioni di dinamica molecolare quantistica sia durante la fase di progettazione che per l'interpretazione dei risultati.
Nelle ricerche più recenti, il team ha fatto un balzo in avanti nella sua capacità di trattare sistemi di grandi dimensioni e scale a lungo termine utilizzando tecniche di apprendimento automatico per apprendere le interazioni atomiche dai calcoli della meccanica quantistica. Hanno quindi utilizzato quel potenziale appreso dalla macchina per guidare la dinamica molecolare e consentire l'uso di metodi avanzati di campionamento dell'energia libera per determinare con precisione i confini di fase.
"Utilizziamo metodi di machine learning e free energy per superare i limiti delle simulazioni della meccanica quantistica, e caratterizzare la diffusione dell'idrogeno, transizioni superioniche e comportamenti di fase dell'acqua in condizioni estreme, " ha detto il fisico LLNL Sebastien Hamel, un coautore di un articolo apparso in Fisica della natura .
Il team ha scoperto che i limiti di fase, che sono coerenti con le osservazioni sperimentali esistenti, aiutano a risolvere le frazioni di ghiaccio isolante, diverse fasi superioniche e acqua liquida all'interno dei giganti di ghiaccio.
La costruzione di potenziali di interazione efficaci che mantengano l'accuratezza dei calcoli della meccanica quantistica è un compito difficile. Il quadro che è stato sviluppato qui è generale e può essere utilizzato per scoprire e/o caratterizzare altri materiali complessi come gli elettroliti delle batterie, plastica e diamante nanocristallino utilizzati nelle capsule ICF, nonché nuove fasi di ammoniaca, sali, idrocarburi, silicati e relative miscele rilevanti per la scienza planetaria.
"La nostra comprensione quantitativa dell'acqua superionica fa luce sulla struttura interna, dell'evoluzione e dei campi magnetici di pianeti come Urano e Nettuno e anche del crescente numero di esopianeti ghiacciati, " disse Hamel.
Ricercatori dell'Università di Cambridge, anche l'Università di Lione e l'Università di Tohoku hanno contribuito al documento. La parte LLNL della ricerca è finanziata dal progetto Laboratory Directed Research and Development "Unraveling the Physics and Chemistry of low-Z Mixtures at Extreme Pressures and Temperatures" e dal programma Institutional Computing Grand Challenge.
