国产强伦姧在线观看无码,中文字幕99久久亚洲精品,国产精品乱码在线观看,色桃花亚洲天堂视频久久,日韩精品无码观看视频免费

      正在閱讀:LLNL科學家使用機器學習研究冰巨星中“超離子水”的行為

      LLNL科學家使用機器學習研究冰巨星中“超離子水”的行為

      2021-09-30 14:14:16來源:cnBeta 關鍵詞:機器學習機器學習技術閱讀量:22842

      導讀:LLNL的科學家們開發(fā)了一種新的方法,使用機器學習以從沒有過的分辨率研究“超離子水”的相行為。
        據(jù)外媒報道,天王星和海王星的內(nèi)部所含水量大約是地球海洋的5萬倍,一種被稱為“超離子水”的水被認為穩(wěn)定存在于超過天王星和海王星半徑約三分之一處的深度中。超離子水是水的一個階段,其中氫原子變成液態(tài),而氧原子在晶格上保持固態(tài)。盡管超離子(superionic)態(tài)在30多年前就被提出來了,但它的光學特性和氧晶格只是在最近由勞倫斯利弗莫爾國家實驗室(LLNL)的Marius Millot和Federica Coppari在實驗中精確測量的,這種熱“黑冰”的許多特性仍然是未知的。
       
        LLNL的科學家們開發(fā)了一種新的方法,使用機器學習以從沒有過的分辨率研究“超離子水”的相行為。科學家稱,埋藏在行星核心深處的,宇宙中的大部分水可能是“超離子水”。了解它的熱力學和傳輸特性對行星科學至關重要,但卻很難通過實驗或理論來探測。
       
        在冰巨星行星中發(fā)現(xiàn)的壓力和溫度下,第一原理分子動力學(FPMD)模擬預測這種水的大部分處于超離子態(tài)。然而,這種量子力學模擬傳統(tǒng)上僅限于較短的模擬時間(10幾皮秒)和較小的系統(tǒng)規(guī)模(100多個原子),導致相界位置的重大不確定性,如熔化線。
       
        在超離子水的實驗中,樣品的準備是非常具有挑戰(zhàn)性的:氫的位置無法確定,動態(tài)壓縮實驗中的溫度測量也不直接。通常情況下,實驗在設計階段和解釋結果時都會受益于量子分子動力學模擬提供的指導。
       
        在最近的研究中,該團隊通過利用機器學習技術從量子力學計算中學習原子相互作用,在處理大系統(tǒng)規(guī)模和長時間尺度的能力上取得了飛躍。然后,他們使用該機器學習的潛力來驅(qū)動分子動力學,并使前沿的自由能采樣方法得以使用,以準確確定相界。
       
        LLNL物理學家Sebastien Hamel說:“我們使用機器學習和自由能方法來克服量子力學模擬的局限性,并描述極端條件下水的氫擴散、超離子過渡和水在極端條件下的相行為,”他是發(fā)表在《自然-物理學》上的論文的共同作者。
       
        研究小組發(fā)現(xiàn),與現(xiàn)有實驗觀測結果一致的相界有助于解決冰巨星內(nèi)部的絕緣冰、不同的超離子相和液態(tài)水的比例。
       
        構建有效的相互作用勢,保持量子力學計算的準確性是一項艱巨的任務。這里開發(fā)的框架是通用的,可以用來發(fā)現(xiàn)或描述其他復雜的材料,如電池電解質(zhì)、塑料、慣性約束聚變(ICF)膠囊中使用的納米晶金剛石,以及與行星科學有關的氨、鹽、碳氫化合物、硅酸鹽和相關混合物的新相。
       
        Hamel說:“我們對超離子水的定量理解為天王星和海王星等行星的內(nèi)部結構、演變和磁場以及越來越多的冰冷系外行星提供了啟示。”
       
        (原標題:LLNL科學家使用機器學習研究冰巨星中“超離子水”的行為)
      我要評論
      文明上網(wǎng),理性發(fā)言。(您還可以輸入200個字符)

      所有評論僅代表網(wǎng)友意見,與本站立場無關。

      • 未來最值得關注的人工智能和機器學習趨勢是什么?

        人工智能和機器學習社區(qū)最緊迫的問題之一是道德人工智能系統(tǒng)的開發(fā)和實施。隨著人工智能技術在我們生活中變得越來越普遍,確保負責任地設計和部署這些系統(tǒng)至關重要。
        人工智能機器學習
        2024-12-23 11:21:00
      • 2025年大數(shù)據(jù)分析:未來趨勢及技術展望

        本文將預測2025年的大數(shù)據(jù)分析趨勢,并找到數(shù)據(jù)分析中最合適的工具、企業(yè)和新興趨勢,從而塑造未來。
        大數(shù)據(jù)機器學習
        2024-07-29 09:55:05
      • 2024年十大生成式人工智能預測

        展望2024年,生成式人工智能的前景是謹慎樂觀的,預計將進一步增強和發(fā)展。本文揭示了2024年十大生成式人工智能預測,這些預測有可能改變各個領域的人工智能未來。
        生成式人工智能機器學習
        2024-05-30 09:43:50
      • 如何利用人工智能和機器學習改變制造業(yè)?

        人工智能和機器學習不再是未來概念,而是現(xiàn)代制造業(yè)必不可少的工具。采用這些技術的必要性源于在快速發(fā)展的市場中保持競爭力的需求。
        人工智能機器學習制造業(yè)
        2024-05-29 10:13:43
      • 如何利用人工智能和機器學習來增強物聯(lián)網(wǎng)安全

        為了加強物聯(lián)網(wǎng)安全,利用人工智能(AI)和機器學習(ML)技術已成為一種有前景的解決方案。
        人工智能機器學習物聯(lián)網(wǎng)安全
        2024-03-20 09:48:05
      • 人工智能如何應用于機器人?8大典型應用提前知曉

        根據(jù)機器人的種類、功能和目標,人工智能以多種方式應用于機器人技術。人工智能在機器人領域的8個典型應用。
        人工智能機器學習
        2024-01-23 10:05:32
      版權與免責聲明:

      凡本站注明“來源:智能制造網(wǎng)”的所有作品,均為浙江興旺寶明通網(wǎng)絡有限公司-智能制造網(wǎng)合法擁有版權或有權使用的作品,未經(jīng)本站授權不得轉(zhuǎn)載、摘編或利用其它方式使用上述作品。已經(jīng)本網(wǎng)授權使用作品的,應在授權范圍內(nèi)使用,并注明“來源:智能制造網(wǎng)”。違反上述聲明者,本站將追究其相關法律責任。

      本站轉(zhuǎn)載并注明自其它來源(非智能制造網(wǎng))的作品,目的在于傳遞更多信息,并不代表本站贊同其觀點或和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。如其他媒體、平臺或個人從本站轉(zhuǎn)載時,必須保留本站注明的作品第一來源,并自負版權等法律責任。如擅自篡改為“稿件來源:智能制造網(wǎng)”,本站將依法追究責任。

      鑒于本站稿件來源廣泛、數(shù)量較多,如涉及作品內(nèi)容、版權等問題,請與本站聯(lián)系并提供相關證明材料:聯(lián)系電話:0571-89719789;郵箱:1271141964@qq.com。

      不想錯過行業(yè)資訊?

      訂閱 智能制造網(wǎng)APP

      一鍵篩選來訂閱

      信息更豐富

      推薦產(chǎn)品/PRODUCT 更多
      智造商城:

      PLC工控機嵌入式系統(tǒng)工業(yè)以太網(wǎng)工業(yè)軟件金屬加工機械包裝機械工程機械倉儲物流環(huán)保設備化工設備分析儀器工業(yè)機器人3D打印設備生物識別傳感器電機電線電纜輸配電設備電子元器件更多

      我要投稿
      • 投稿請發(fā)送郵件至:(郵件標題請備注“投稿”)1271141964.qq.com
      • 聯(lián)系電話0571-89719789
      工業(yè)4.0時代智能制造領域“互聯(lián)網(wǎng)+”服務平臺
      智能制造網(wǎng)APP

      功能豐富 實時交流

      智能制造網(wǎng)小程序

      訂閱獲取更多服務

      微信公眾號

      關注我們

      抖音

      智能制造網(wǎng)

      抖音號:gkzhan

      打開抖音 搜索頁掃一掃

      視頻號

      智能制造網(wǎng)

      公眾號:智能制造網(wǎng)

      打開微信掃碼關注視頻號

      快手

      智能制造網(wǎng)

      快手ID:gkzhan2006

      打開快手 掃一掃關注
      意見反饋
      我要投稿
      我知道了