Nová kombinace umělé inteligence a výkonných mikroskopů odhaluje, co se děje na povrchu ledu mnohem dříve, než začíná tání; pochopte podrobnosti.
Bezprecedentní spojení strojového učení a atomové síly mikroskopie umožnilo vědcům vyřešit enigmu trvající 170 let: Co se na molekulární úrovni děje na povrchu ledu, než začne tát.
Studie popisující tento fenomén, publikovaná v prosinci v časopise Physical Review X, poprvé odhaluje atomovou strukturu takzvané „před-tavné“ vrstvy. Jedná se o film podobný kapalině, který se formuje i při teplotách výrazně pod nulou.
Tento fenomén byl poprvé pozorován před více než 170 lety britským fyzikem Michaelem Faradayem. Navzdory svému významu pro oblasti, jako jsou tření, atmosférická chemie, kryokonzervace a dokonce i bruslení na ledu, jeho mikroskopická struktura zůstávala neznámá.
V současnosti odborníci z Pekingské univerzity dokázali překonat tuto omezení spojením atomové síly mikroskopie (AFM) s algoritmy strojového učení, vyškolenými pomocí simulací molekulární dynamiky.
Využití nových technologií
Inovace této studie spočívá v použití umělé inteligence k interpretaci těchto neúplných signálů. Algoritmus byl vyškolen pomocí realistických simulací, které zahrnují experimentální šum, což umožnilo rekonstrukci molekulárních detailů, které by tradiční metody nezachytily.
Nejvíce překvapující výsledky byly získány při analýze ledu při teplotách mezi –152 °C a –93 °C. V tomto rozmezí identifikovali výzkumníci vznik amorfní povrchové vrstvy: led zůstává pevný, avšak molekuly vody ztrácejí svou typickou krystalickou organizaci. Tato vrstva vykazuje chování pevného tělesa, avšak je vysoce nepořádná, a postupně přechází do téměř kapalného stavu, jak teplota stoupá.
„Tato vrstva vykazuje silný topologický nepořádek, současně si však zachovává dynamiku podobnou pevnému tělesu a postupně přechází do téměř kapalné vrstvy s rostoucí teplotou,“ vysvětluje Hong.
Toto odhalení přetváří mikroskopické chápání před-taveného ledu a nabízí nový pohled na to, jak se krystalické povrchy transformují za extrémních podmínek. Více než jen vyřešení historického tajemství, technika otevírá cestu pro aplikace, které překračují studium ledu.
„Struktura strojového učení pro AFM poskytuje mocný nástroj na atomové úrovni pro zkoumání neuspořádaných rozhraní, fázových přechodů a defektů materiálů, s širokým potenciálním využitím v funkčních materiálech a biologických systémech,“ uvedl Hong v prohlášení.
