Ga naar inhoud

AI kraakt de code achter het vreemdste gedrag van water

Water zet uit als het bevriest, een eigenaardigheid die het een buitenbeentje maakt onder vloeistoffen. Nu hebben wetenschappers in Japan kunstmatige intelligentie gebruikt om te ontrafelen waarom water zich zo vreemd gedraagt...

Water zet uit als het bevriest, een eigenaardigheid die het een buitenbeentje maakt onder vloeistoffen. Nu hebben wetenschappers in Japan kunstmatige intelligentie gebruikt om te ontrafelen waarom water zich zo vreemd gedraagt, vooral als het ver onder het vriespunt is onderkoeld.

Onderzoekers van de Universiteit van Osaka trainden een AI-model op computersimulaties van watermoleculen. Het systeem evalueerde 16 verschillende manieren om de microscopische structuur van water te beschrijven en identificeerde welke het beste onderscheid maken tussen twee concurrerende vloeibare toestanden. De bevindingen verschenen in Communications Chemistry.

Onderkoeld water verbergt twee concurrerende vormen

Water kan vloeibaar blijven, zelfs als het onder 0 graden Celsius zakt, als er geen onzuiverheden of ruwe oppervlakken zijn om ijsvorming te veroorzaken. Deze toestand heet onderkoeld water en de vreemde eigenschappen worden nog extremer.

Wetenschappers denken dat onderkoeld water bestaat als een balans tussen twee vormen: hoge dichtheid vloeistof (HDL) en lage dichtheid vloeistof (LDL). Op moleculair niveau vormen en verbreken watermoleculen constant waterstofbruggen. Naarmate de temperatuur stijgt, worden de compactere HDL-structuren dominant over de open LDL-ordeningen.

AI beslecht een lang debat over metingen

Jarenlang stelden onderzoekers veel manieren voor om de lokale ordening van watermoleculen te beschrijven, waaronder tetraëdrische bindingsorde en lokale dichtheid. Deze structurele descriptoren werden onafhankelijk ontwikkeld, met verschillende schalen en dimensies, waardoor directe vergelijking bijna onmogelijk was.

Eerdere studies toonden aan dat machine learning structurele gegevens effectief kan classificeren en begrijpen. Het Osaka-team gebruikte specifiek een neuraal netwerk om te evalueren welke descriptoren de belangrijkste kenmerken van de waterstructuur vastleggen. Het AI-systeem bood een uniform kader voor het vergelijken van deze concurrerende modellen.

Lokale mensen in Osaka en heel Japan zijn altijd trots geweest op de bijdragen van het land aan de fundamentele wetenschap. Water is essentieel voor leven en industrie, en het begrijpen van het gedrag op moleculair niveau kan invloed hebben op gebieden van klimaatmodellering tot materiaalkunde.

Een helderder beeld van de meest mysterieuze vloeistof van de natuur

Het vermogen van AI om structurele descriptoren te rangschikken geeft wetenschappers een betrouwbaar hulpmiddel om de dubbele vloeibare toestanden van water te bestuderen. Dit lost niet elk mysterie over water op, maar het biedt een consistente manier om onderzoeksmethoden te vergelijken die voorheen onverenigbaar waren. Het werk brengt het vakgebied dichter bij een uniform begrip van hoe de microscopische structuur van water de macroscopische eigenaardigheden aanstuurt.

Dagelijkse Samenvatting

De 5 meest interessante verhalen, elke ochtend. Gratis.