将氢放在坚实的基础上使用机器学习模型进行的模拟预测了固体氢的新阶段

氢是宇宙中最丰富的元素，从充满大部分外太空的尘埃到恒星的核心，再到地球上的许多物质，无处不在。这足以成为研究氢的理由，但它的单个原子也是所有元素中最简单的，只有一个质子和一个电子。对于伊利诺伊大学厄巴纳-香槟分校的物理学教授戴维·塞珀利来说，这使得氢成为制定和测试物质理论的自然起点。

Ceperley 也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原子如何相互作用和结合以形成不同的物质相，如固体、液体和气体。然而，真正理解这些现象需要量子力学，而量子力学模拟的成本很高。为了简化任务，Ceperley 和他的合作者开发了一种机器学习技术，允许用前所未有的原子数量进行量子力学模拟。 他们在《物理评论快报》中报告说 ，他们的方法发现了一种过去的理论和实验未能发现的新型高压固体氢。

“事实证明，机器学习教会了我们很多东西，”Ceperley 说。“我们在之前的模拟中看到了新行为的迹象，但我们不相信它们，因为我们只能容纳少量原子。借助我们的机器学习模型，我们可以充分利用最准确的方法，看看到底发生了什么。”

氢原子形成一个量子力学系统，但即使在计算机上也很难捕捉到它们的完整量子行为。像量子蒙特卡洛 (QMC) 这样的最先进技术可以模拟数百个原子，而理解大规模相行为需要长时间模拟数千个原子。

为了使 QMC 更具通用性，两名前研究生 Hongwei Niu 和 Yubo Yang 开发了一种机器学习模型，该模型经过 QMC 模拟训练，能够容纳比 QMC 本身更多的原子。然后，他们与博士后研究助理 Scott Jensen 一起使用该模型来研究在非常高的压力下形成的氢固相如何熔化。

他们三人正在测量不同的温度和压力以形成完整的图像，这时他们发现了固相中的异常情况。虽然固体氢中的分子通常接近球形并形成称为六角密堆积的结构——Ceperley 将其比作堆叠的橙子——研究人员观察到分子变成椭圆形的阶段——Ceperley 将它们描述为鸡蛋状。

“我们从一个不太雄心勃勃的目标开始，即完善我们所知道的事物的理论，”詹森回忆道。“不幸的是，也许幸运的是，它比那更有趣。出现了这种新行为。事实上，这是高温高压下的主要行为，这在旧理论中没有任何暗示。”

为了验证他们的结果，研究人员使用密度泛函理论的数据训练了他们的机器学习模型，这是一种广泛使用的技术，它不如 QMC 准确，但可以容纳更多的原子。他们发现简化的机器学习模型完美地再现了标准理论的结果。研究人员得出结论，他们的大规模机器学习辅助 QMC 模拟可以解释影响并做出标准技术无法做出的预测。

这项工作开启了 Ceperley 的合作者和一些实验者之间的对话。氢的高压测量很难进行，因此实验结果有限。新的预测激发了一些团体重新审视这个问题，并更仔细地探索氢在极端条件下的行为。

Ceperley 指出，了解高温高压下的氢将增强我们对木星和土星这两种主要由氢构成的气态行星的了解。詹森补充说，氢的“简单性”使这种物质对研究很重要。“我们想了解一切，所以我们应该从我们可以攻击的系统开始，”他说。“氢很简单，所以值得知道我们可以处理它。”