在关键超冷水中超越局部结构,通过无监督学习
Edward Danquah Donkor1,2, Adu Offei-Danso1,2, Alex Rodriguez1,3
1The Abdus Salam International Center for Theoretical Physics (ICTP), Strada Costiera 11, 34151 Trieste, Italy.
The journal of physical chemistry letters
|April 4, 2024
概括
无监督学习揭示了水是水的.
科学领域:
- 物理化学 物理化学
- 计算化学计算化学
- 统计力学 统计力学
背景情况:
- 水中存在第二个临界点是长期以来的一个研究问题.
- 当前的模型通常依赖于人类设计的参数来解释高密度 (HD) 和低密度 (LD) 水结构.
研究的目的:
- 通过无监督学习研究水的液态-液态临界点 (LLCP) 的分子起源.
- 为了确定在没有人类干预的情况下,在LLCP附近是否存在明显的热力学结构.
主要方法:
- 利用LLCP附近的水的原子模拟.
- 使用本地和非本地描述符的无监督机器学习来分析结构环境.
- 从局部描述器与非局部描述器进行比较,检测纳米尺度异质性的结果.
主要成果:
- 局部描述器没有显示出两个不同的热力学结构 (HD和LD) 的证据.
- 非局部描述符,捕捉纳米尺度特征,确定新兴的LD和HD领域.
- 这些域有助于合理化密度波动在临界点附近的微观起源.
结论:
- 这项研究挑战了预定义的局部结构的必要性,以解释水的关键行为.
- 通过非局部描述符揭示的纳米尺度异质性,对于理解LLCP附近的密度波动至关重要.
- 无监督学习提供了一种强大的数据驱动方法,用于在水模拟中发现复杂的现象.
