对液氢的重新思考具有天文学意义

虽然氢是最简单的元素，但我们仍然难以预测它的高压行为——但是英国和瑞士的研究人员可能刚刚解决了一个氢难题．冰清程来自英国剑桥大学的研究人员和同事们使用机器学习研究了氢在高温高压下液态之间的变化。这意味着他们可以比其他理论化学方法更有效地利用计算机能力。因此，他们可以模拟包含超过1000个原子的系统，而不是只有几百个。

先前的模拟表明，从含有氢分子的绝缘液体到含有氢原子的导电金属液体的突然变化。程和她的同事们发现，有时更持续的过渡是可能的。她解释说:“高压氢以一种平稳而渐进的方式变成原子。”研究小组发现，在狭窄的条件范围内，氢在分子液体和原子液体之间形成超临界状态。Cheng说，这可以解释相互矛盾的实验结果，渐变只在某些条件下发生。但后果可能真的难以想象。

程解释说:“我们关于超临界的结论可能会改变我们对巨型行星内部结构的理解。”在巨大的行星上，在合适的温度和压力下，可以有丰富的氢成为液体。Cheng补充说，绝缘层和其中的金属液体层可能有一个逐渐变化的密度分布，而不是像以前认为的那样突然变化。她指出，氢海洋是导电还是绝缘可能会影响它们的磁场。

为了得出这些发现，化学家们使用更传统的密度泛函理论(DFT)和量子蒙特卡罗(QMC)模拟的数据训练了一个神经网络。他们把氢原子的位置，原子的能量和它们在每种情况下所受到的力一起放入网络中。这个网络“记住”结构和属性之间的联系，Cheng解释道。然后，它可以通过比较原子排列和记忆来预测具有更多原子的新结构的性质。

DFT和QMC都显示了氢的两个液相之间的突变，但今天的计算机只能用这些方法模拟几百个原子。的公开可用的神经网络模拟了1728个原子，发现了超临界相更平稳的转变。他说:“我们相信，来自更大、更真实的系统的结果更值得信赖。”

Boeri出去吃意大利萨皮恩扎大学的教授说，这项研究是“机器学习方法的一次令人印象深刻的应用”。Boeri说:“这是我第一次看到这种方法应用于一个用标准DFT计算可能很难解决的问题。”这使得作者几乎毫不含糊地确定了高压氢中液-液转变的性质，这个问题已经争论了几十年，对行星模型有重要影响。”