大多数材料从其微观结构获得其宏观特性。 例如,一根钢棒很坚硬,因为它的原子形成了一个重复的晶体图案,该图案会随着时间的流逝而保持静止。 当您将脚浸入湖中时,脚周围会积水,因为液体没有这种结构;它们的分子随机运动。
然后是玻璃,这是一种奇怪的中间物质,数十年来困扰着物理学家。拍摄玻璃中分子的快照,它们看起来就像液体一样无序。但是大多数分子几乎不移动,使材料像固体一样坚硬。
玻璃是某些液体冷却而形成的。但是,为什么液体中的分子在一定温度下会急剧下降,而结构排列却没有明显的相应变化(这种现象称为玻璃化转变)?到目前为止,人们一直没有弄清楚是什么导致了玻璃如此坚硬。
现在,谷歌拥有的人工智能公司DeepMind的研究人员已经使用AI来研究玻璃中的分子随着硬化而发生的变化。 DeepMind的人工神经网络能够在一个时刻仅使用其物理结构的“快照”,来预测分子如何在极长的时间尺度内运动。根据DeepMind的维克多·巴普斯特(Victor Bapst)的观点,即使玻璃的微观结构看起来没有任何特征,“这种结构可能比人们想象的更能预测动力学。”
在悉尼大学研究玻璃过渡的彼得·哈罗尔(Peter Harrowell)表示同意。 他说,这篇论文“比以前有关玻璃硬度论文更能说明问题”,“结构以某种方式为动态编码”,因此玻璃毕竟不像液体那样混乱。
预测倾向
为了了解导致玻璃过渡的微观变化,物理学家需要将两种数据联系起来:玻璃中的分子在太空中是如何排列的,以及它们(缓慢地)如何随时间移动。将这些物质联系起来的一个方法,就是与一种叫做动态倾向的数量有关:鉴于一组分子目前的位置,它们在未来特定时间可能移动多少分子。这种不断演变的数量来自于使用牛顿定律计算分子的轨迹,从许多不同的随机初始速度开始,然后一起平均结果。