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。