从古代矿物到新材料:利用图神经网络模型预测熔化温度

诸平

Fig. 1 Credit: Pixabay/CC0 Public Domain

Fig. 2 The team made their model simple and reliable enough so that any user can obtain the melting temperature within seconds for any compound based only on its chemical formula. Credit: Qijun Hong, Arizona State University

据美国亚利桑那州立大学（Arizona State University）2022年8月29日提供的消息，亚利桑那州立大学的研究人员和美国布朗大学（Brown University）的研究人员合作，利用图神经网络模型预测任何化合物的熔化温度（From ancient minerals to new materials: Melting temperature prediction using a graph neural network model）。

如果你施加足够的热量，在某个时刻，大多数东西都会融化，就像炎热的夏天里的冰淇淋一样。

知道确切的熔化温度对于制造高性能材料是至关重要的。桥梁、燃气轮机、喷气发动机和飞机防热罩的建造和安全取决于对材料性能极限的了解。材料通常是利用熔融或液态来合成或加工的，所以了解熔融对制造新材料至关重要。

转到地球和行星科学（planetary science）领域，熔点被用来揭示地球过去的线索，以及太阳系中行星和遥远的绕轨道运行的系外行星的特征。

但是测量一种化合物或材料的熔化温度（melting temperature）是一项艰巨的任务。这就是为什么在估计的20多万种无机化合物中，只有不到10%的熔融温度是已知的。

熔化温度通常是在仔细校准晶体结构或绘制材料熔化时的热力学自由能曲线后测量的，熔化时会产生从固体到液体的相变。这类似于固态冰融化形成液态水。但当高温材料超过2000 ℃或3000 ℃时，找到一个实验室来进行测量可能是一个挑战。有时，岩石中含有比一粒沙子大不了多少的复杂矿物混合物，所以要获得足够多的单一矿物样本也是一项挑战。在高压和高温的极端条件下合成的材料通常也只有非常少量。

现在，亚利桑那州立大学的研究人员洪启军（Qijun Hong音译）、亚历山德拉·纳夫罗茨基（Alexandra Navrotsky）和谢尔盖·乌沙科夫（Sergey Ushakov）以及布朗大学的阿克塞尔·凡德瓦勒（Axel van de Walle），已经利用人工智能(artificial intelligence简称AI)或机器学习(machine learning简称ML)的力量，展示了一种更简单的方法来预测任何化合物或化学式的融化温度。

亚利桑那州立大学伊拉·富尔顿工程学院（Ira A. Fulton Schools of Engineering）下属的物质、运输和能源工程学院（School for Engineering of Matter, Transport and Energy）助理教授洪启军说:“我们采用机器学习方法，通过建立从化学式到熔化温度的快速和准确映射（accurate mapping）来填补这一空白。”

他说:“我们开发的模型将促进涉及大范围熔化温度的大规模数据分析( large-scale data analysis)。这些包括新的高温材料的发现，新的提取冶金工艺的设计，矿物形成的建模，地球随地质时间(geological time)的演变，以及系外行星结构的预测。”

洪启军的方法可以在毫秒内计算出任何化合物或化学式的熔化温度。为此，研究团队根据神经网络架构建立了一个模型，并在一个包含9375种材料的定制数据库上训练了他们的机器学习程序，其中982种化合物的熔化温度高于灼热的3100℉(或2000 K)。这种温度下的材料会发出白热的光。

洪启军用这种方法探索了两条研究路线:1)预测近5000种矿物质的熔化温度，2)发现具有3000 K(或5000 ℉)以上极高熔化温度的新材料。

在矿物项目中，洪启军的团队能够预测熔化温度，并将其与地球历史上已知的主要地质时代联系起来。这些人工智能积累的熔化温度被应用于45亿年前地球形成以来的矿物。最古老的矿物直接来源于恒星（stars）或星际（interstellar）及太阳星云（solar nebula）的凝聚体，早于地球形成的45亿年前。这些是最难熔的，熔化温度约2600 ℉。该团队使他们的模型足够简单和可靠，因此任何用户都可以在几秒钟内获得任何化合物的熔化温度，仅根据其化学式(Fig. 2)。

在大多数情况下，地球上最近确定的矿物的计算熔化温度是逐渐下降的，但有两个主要例外。

在分子科学学院(School of Molecular Sciences)和物质、运输和能源工程学院（School for Engineering of Matter, Transport and Energy）联合任命的亚利桑那州立大学（ASU）教授和纳夫罗茨基·艾林（Navrotsky Eyring）宇宙材料中心（Navrotsky Eyring Center for Materials of the Universe简称MOTU）主任亚历山德拉·纳夫罗茨基说：“地球历史期间形成的矿物熔化温度的逐渐整体下降被两个异常打断，这两个异常在平均和中等熔化温度中明显地使用2.5亿或5亿年前摈弃的断言。”

地球早期历史上的第一次异常是由一个可怕的、动态的大流星撞击造成的急剧的温度飙升，包括月球的可能形成。

亚历山德拉·纳夫罗茨基说:“37.5亿年前的峰值与提出的后期重轰炸时间有关，这完全是根据月球样本的年代推断的，目前还在争论中。”

该研究小组还注意到，大约在17.5亿年前，矿物的熔化温度出现了一次大幅下降。

“17.5亿年前的下降与已知的大量含水矿物的首次出现有关，并与休伦冰期（Huronian glaciation）有关，这是最长的冰期，被认为是地球第一次完全被冰覆盖。”

随着他们的机器学习程序被训练成功地复制地球早期历史中的矿物熔化，接下来，团队将注意力转向寻找具有极高熔化温度的新材料。人们发现了几十种新材料，并通过计算预测它们的熔化温度极高，超过了5000 ℉(3000 K)，超过了太阳表面温度的一半。

洪启军说：“要使用该模型，用户需要访问网页，并输入感兴趣的材料的化学成分。该模型将在数秒内响应预测的熔化温度，以及数据库中最近的邻居(即最相似的材料)的实际熔化温度。因此，该模型不仅可以作为预测模型，而且可以作为熔化温度的手册。”

该模型由亚利桑那州立大学的研究计算设施（ASU's Research Computing Facilities）托管，现在可以在亚利桑那州立大学的网页上公开（见Fig. 2），这项研究已经在《美国国家科学院院刊》（Proceedings of the National Academy of Sciences简称PNAS）网站发表——Melting temperature prediction using a graph neural network model: From ancient minerals to new materials, Proceedings of the National Academy of Sciences(2022). DOI: 10.1073/pnas.2209630119

上述介绍，仅供参考。欲了解更多信息，敬请注意浏览原文或者相关报道。

Researchers prepare novel low-melting, nitrogen-containing, stannous chlorophosphate glass