Физически идентичные жидкости оказались совершенно разными на уровне молекул

Ученые из Казанского федерального университета предложили использовать методы машинного обучения, чтобы определять потенциал взаимодействия в веществах, для которых экспериментально известны физические свойства

Физически идентичные жидкости оказались совершенно разными на уровне молекул

Российские ученые показали, что вещества, имеющие одинаковые физические свойства, могут сильно различаться на уровне межатомных и межмолекулярных взаимодействий. Предложенный авторами алгоритм машинного обучения сумел подобрать целый набор жидкостей с одинаковой диффузией, теплопроводностью и скоростью распространения звука, но с совершенно разным характером взаимодействия между частицами. Метод позволит заранее определять жидкости и расплавы, которые наилучшим образом по своим физическим свойствам подойдут для тех или иных технологических задач, например, для получения наиболее прочных сплавов. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Physica A: Statistical Mechanics and its Applications.

Этапы (исходное состояние, итерация 5 и 15) поиска вещества с нужными физическими свойствами. Mokshin and Khabibullin / Physica A: Statistical Mechanics and its Applications, 2022

Этапы (исходное состояние, итерация 5 и 15) поиска вещества с нужными физическими свойствами. Mokshin and Khabibullin / Physica A: Statistical Mechanics and its Applications, 2022

 

Большинство физических и все механические свойства веществ определяются тем, как взаимодействуют между собой частицы, молекулы и атомы, входящие в их состав. Так, например, особое взаимодействие молекул воды друг с другом влияет на то, что эта жидкость закипает при температуре 100°С, при 0°С затвердевает, а также хорошо проводит звук и имеет очень большую теплоемкость.

Чтобы описать подобные «коммуникации» между частицами, атомами и молекулами, физики используют понятие потенциала взаимодействия. Эта величина определяет, с какой энергией частицы взаимодействуют друг с другом и как эта энергия изменяется в зависимости от расстояния между ними. Между частицами возможно как притяжение, так и отталкивание; при этом в первом случае потенциал оказывается отрицательным, а во втором положительным. Когда значения потенциала близки к нулю, силы притяжения и отталкивания сбалансированы, и можно сказать, что частицы не взаимодействуют. Благодаря такой зависимости ученые по значению потенциала могут рассчитать и предсказать физические свойства различных материалов, даже совершенно новых, еще неизвестных. До сих пор считалось, что у каждого вещества имеется уникальный потенциал взаимодействия, наподобие того, как каждый человек обладает неповторимым отпечатком пальца.

Ученые из Казанского федерального университета (Казань) предложили использовать методы машинного обучения, чтобы определять потенциал взаимодействия в веществах, для которых экспериментально известны физические свойства. Исследователи показали, что предложенный ими подход позволяет корректно оценивать эту величину по данным о структуре материала, а также теплопроводности, теплоемкости, вязкости и другим свойствам. В результате становится возможным быстро находить вещества, которые по своим свойствам удовлетворяют конкретным требованиям, например, имеют нужную теплопроводность.

Помимо этого, исследователи определили, что практически идентичными физическими свойствами — скоростью распространения и затухания звука, а также теплопроводностью — могут обладать вещества совершенно разной физической природы.

«Полученные нами результаты показывают, что вещества, различающиеся на уровне межатомного взаимодействия, могут иметь абсолютно одинаковые физические свойства. Это объясняется тем, что потенциал взаимодействия складывается из притяжения и отталкивания, которые могут, по-разному сочетаясь, давать один и тот же физический результат. Знание об этом поможет развивать методы синтеза перспективных материалов с заданными физико-механическими свойствами», — рассказывает руководитель проекта, поддержанного грантом РНФ, Анатолий Мокшин, доктор физико-математических наук, профессор, заведующий кафедрой вычислительной физики и моделирования физических процессов КФУ.

 

Информация и фото предоставлены пресс-службой Российского научного фонда