西安交通大学Nature Communications：人工智能辅助原子模拟理解固态氢的奇异熔化行为

西安交通大学金属强度国家重点实验室强度室团队在高压相变领域取得重要进展，该工作借助于基于物理模型的机器学习方法，揭示了固态氢的高压反常熔化曲线的物理起源。该方法为科学研究中降低“专家知识”的依赖性提供了新的视角。

该工作以“Understanding high pressure molecular hydrogen with a hierarchical machine-learned potential”发表在《Nature Communications》上。西安交通大学金属强度国家重点实验室的宗洪祥副教授为该文的第一作者。此外，该工作还得到了英国爱丁堡大学合作者的支持。

论文链接：

https://www.nature.com/articles/s41467-020-18788-9

氢气在非常高的压力下可以被压缩成固相或液相，这些固相通常具有奇异的结果和物性。 由于氢分子很轻，所以“量子效应”在其中应该发挥了很重要的作用。 但是，“量子效应”在熔点附近（约1000K时）是否重要？这需要我们建立一个能够打开和关闭“量子效应”的模型来研究其影响。

我们都知道H₂是一个双原子分子，但是该分子指向何方呢？根据量子力学，其能量最低的状态是（角动量为零的转子，其量子态具有球对称性（Y_00球谐函数））指向所有方向。 因此，我们可以将于H₂分子等效成一个球体，相应地，其结晶成的固体氢（I相）是球体的密堆积。当你加热它时，它会熔化(这并不奇怪）。但是，熔化线上存在一个最高温度，超过此温度，熔化后的液体比密堆积的固体更加致密。怎么会这样？听起来像是“量子效”应在作怪。然而，即使在经典物理学中，H₂分子如果旋转，平均而言也可以是球形，因此这种奇异的熔化行为也可能是经典的。

固态氢分子的温度-压力相图。Phase-I是具有密排六方结构的自由旋转的氢分子；Phase-II的分子没有旋转，具有特定的取向；高压下液体的密度高于密堆积的固体。

到目前为止，人们理解凝聚态物理中的大部分问题仍然是依靠基于密度泛函理论的第一性原理计算方法。但是要弄清楚为什么H₂液体更稠密，有必要使用更大规模的原子体系，但是模拟如此的规模通常超出了第一性原理方法的计算能力。 为了解决这一难题，我们引入了机器学习方法，通过学习大量的小体系的第一性原理的计算结果，构造出了高精度的原子间相互作用势函数。最特别的是，我们这里引入了足够物理学知识，将所有可能的角度相关项拟合到DFT数据中，使得我们的机器学习模型具有很好的可解释性。上述方法表明四极矩相互作用是导致固态氢分子奇异熔化行为的主要原因。有趣的是，虽然这个结果并不会令化学家感到惊讶，但是我们的方法让机器扮演了科学研究的“主角”，降低了人的作用。

为了使液体“比紧密堆积更稠密”，氢分子必须彼此靠近，这是先前人们对该问题的理解。机器学习给了我们一个巨大的惊喜：虽然氢分子彼此靠近，但是氢原子却没有。紧接着，我们通过量子力学计算进一步证明：对于四极矩构型而言，固态中最低能量的构型是“ T”形；而在液体中，原子彼此分开的“X”形构型更加利的。 虽然三维结构让真实的情况变得更加复杂，但是机器学习方法能够帮助我们从数据中弄清楚其中原委。

本文由作者团队供稿。