机器学习模型可以预测固态氢的新相
氢是宇宙中最丰富的元素。 它存在于许多地方，从充满大部分外太空的尘埃，到恒星的核心和表面，再到地球上的物质。 氢是宇宙中最丰富的元素。 它无处不在，从外太空尘埃到恒星核心和地球上的许多物质。 David Ceperley 是伊利诺伊大学香槟分校的物理学教授。 他认为氢是制定和检验物质理论的完美起点。
Ceperley 还是伊利诺斯量子信息科学与技术中心的成员。 他使用计算机模拟来研究氢分子如何相互作用并结合成不同的物质相，例如固体、液体和气体。 需要量子力学来完全理解这些现象，但量子力学模拟可能很昂贵。 Ceperley 和他的合作者开发了一种机器学习技术来简化任务。 这允许可以在空前数量的原子上运行的量子力学模拟。 在 Physical Review Letters 中，他们报告说他们的方法发现了一种新型的高压液态氢，这是以前的理论和实验所遗漏的。
Ceperley 表示，“机器学习教会了我们很多东西。”我们在之前的模拟中看到了新行为的迹象，但不相信它们，因为它们只能容纳少量原子。 我们的机器学习模型使我们能够利用最准确的方法，并且我们可以看到真正发生的事情。
来源和详细信息：
https://phys.org/news/2023-04-simulations-machine-phase-solid-hydrogen.html