Однако изучить это явление в лаборатории практически невозможно, потому что вода так быстро кристаллизуется в лед при таких низких температурах. Теперь новое исследование Технологического института Джорджии использует модели машинного обучения для лучшего понимания фазовых изменений воды, открывая больше возможностей для лучшего теоретического понимания различных веществ. С помощью этого метода исследователи нашли убедительные вычислительные доказательства в поддержку перехода воды из жидкости в жидкость, которые могут быть применены к реальным системам, использующим воду для работы.

"Мы делаем это с помощью очень подробных расчетов квантовой химии, которые пытаются быть как можно ближе к реальной физике и физико-химическому составу воды", - сказал Томас Гартнер, доцент Школы химической и биомолекулярной инженерии Технологического университета Джорджии. "Это первый раз, когда кто-либо смог изучить этот переход с таким уровнем точности".

Исследование было представлено в статье "Переход жидкость-жидкость в воде из первых принципов" в журнале Письма с физическим обзором, с соавторами из Принстонского университета.

Имитирующая воду

Чтобы лучше понять, как взаимодействует вода, исследователи провели молекулярное моделирование на суперкомпьютерах, которые Gartner сравнил с виртуальным микроскопом.

"Если бы у вас был бесконечно мощный микроскоп, вы могли бы увеличить изображение до уровня отдельных молекул и наблюдать, как они движутся и взаимодействуют в режиме реального времени", - сказал он. "Это то, что мы делаем, создавая почти компьютерный фильм".

Исследователи проанализировали, как движутся молекулы, и охарактеризовали структуру жидкости при различных температурах и давлениях воды, имитируя разделение фаз между жидкостями с высокой и низкой плотностью. Они собрали обширные данные - провели несколько симуляций в течение года - и продолжили дорабатывать свои алгоритмы для получения более точных результатов.

Даже десять лет назад проведение такого длительного и детального моделирования было бы невозможно, но машинное обучение сегодня предлагает короткий путь. Исследователи использовали алгоритм машинного обучения, который рассчитал энергию взаимодействия молекул воды друг с другом. Эта модель выполняла вычисления значительно быстрее, чем традиционные методы, что позволяло проводить моделирование гораздо эффективнее.

Машинное обучение не идеально, поэтому эти длительные симуляции также повысили точность прогнозов. Исследователи тщательно проверяли свои прогнозы с помощью различных типов алгоритмов моделирования. Если многократное моделирование давало сходные результаты, то это подтверждало их точность.

"Одна из проблем, связанных с этой работой, заключается в том, что существует не так много данных, с которыми мы можем сравнить, потому что это проблема, которую практически невозможно изучить экспериментально", - сказал Гартнер. "Мы действительно раздвигаем границы здесь, так что это еще одна причина, по которой так важно, чтобы мы попытались сделать это, используя множество различных вычислительных методов".

За пределами воды

Некоторые из условий, которые тестировали исследователи, были экстремальными, которые, вероятно, не существуют непосредственно на Земле, но потенциально могут присутствовать в различных водных средах Солнечной системы, от океанов Европы до воды в центре комет. Тем не менее, эти результаты также могут помочь исследователям лучше объяснить и предсказать странный и сложный физический состав воды, информировать об использовании воды в промышленных процессах, разрабатывать лучшие климатические модели и многое другое.

По словам Gartner, эта работа еще более обобщаема. Вода - хорошо изученная область исследований, но эта методология может быть расширена до других трудносимых материалов, таких как полимеры, или сложных явлений, таких как химические реакции.

"Вода занимает столь важное место в жизни и промышленности, поэтому этот конкретный вопрос о том, может ли вода претерпевать этот фазовый переход, был давней проблемой, и если мы сможем продвинуться к ответу, это важно", - сказал он. "Но теперь у нас есть эта действительно мощная новая вычислительная техника, но мы еще не знаем, каковы границы, и есть много возможностей для продвижения этой области вперед".