氢原子有一个质子绕着一个电子转，可以说是最简单的物质。尽管如此，氢元素仍然可以表现出极其复杂的行为——例如，在兆巴压力下，它经历了从绝缘流体到金属导电流体的转变。
过渡时迷人的简单的观点的凝聚态物理和材料科学,液-液相变非比寻常,它对行星科学也有重大影响,因为液体氢组成的内部等巨行星木星和土星以及棕矮星。因此，理解液体-液体的转变是精确模拟这类行星的结构和演化的核心部分，而标准模型通常假定绝缘分子流体和导电金属流体之间有一个急剧的转变。这种急剧的转变与密度的不连续有关，因此在这些行星内部金属地幔和外部绝缘地幔之间有一个清晰的边界。
当科学家们做出了相当大的努力探索和描述这种转变以及密集的氢的许多不同寻常的特性,包括富人和知之甚少坚实的多态性,反常融化,可能过渡到超导状态——实验室调查是复杂,因为需要创建一个可控的高压力和温度环境以及限制氢在测量。实验研究尚未就这种转变是突然的还是平稳的达成一致，不同的实验已经将液-液转变定位在相距100千兆帕的压力下。
Ceriotti说:“要在木星上发现的相同压力范围内研究一种物质，杏耀下载你需要做的这种实验是非常重要的。”“由于这些限制，人们进行了许多不同的实验，结果彼此非常不同。”
尽管建模技术引入了在过去十年已经使科学家更好地理解系统,所涉及的巨大计算费用本质上解决氢原子的量子力学的问题行为意味着,这些模拟一定时间有限,几皮秒,规模和范围的几百个原子。这里的结果也有好有坏。
为了更彻底地研究这个问题，Ceriotti和他的同事Cheng Bingqing和Chris。剑桥大学的J.皮卡德(J. Pickard)和IBM苏黎世研究院的Guglielmo Mazzola使用人工神经网络架构来构建机器学习潜能。基于少量的非常准确和耗时的计算电子结构问题,氢的廉价的机器学习潜力允许调查100年到4000年之间的相变温度K, 25至400帕的压力,和聚合模拟大小和时间。这些模拟主要在SCITAS的EPFL计算机上运行，只花了几个星期的时间，相比之下，运行解决量子力学问题的传统模拟要花费上亿年的CPU时间。
通过对致密氢相图的理论研究，
杏耀代理 ，该团队重现了重入熔点的熔化行为和固相的多态性。基于机器学习潜力的模拟表明，与氢经历一级相变的普遍假设相反，液体中连续金属化的证据。这进而不仅表明了在巨大气体行星中绝缘层和金属层之间的平滑过渡，也调和了实验室和模型实验之间的现有差异。
Ceriotti说:“如果高压氢气是超临界的，就像我们的模拟所显示的那样，就不会有急剧的转变，流体的所有特性都有一个突然的跳跃。”“根据你探测的确切性质，以及你定义阈值的方式，你会发现转变发生在不同的温度或压力下。这可能会调和十年来高压实验的争议结果。不同的实验测量的数据略有不同，他们无法在同一点识别出过渡，因为没有急剧的过渡。”
调和他们的结果与一些早期的造型确实发现了一个急剧转型,Ceriotti说他们只能观察到清晰的跳在属性执行小型模拟时,在这种情况下他们可以跟踪跳到凝固,而不是液-液过渡。观察到的急剧转变应该被理解为使用基于传统物理建模的模拟的局限性的产物。机器学习的方法使研究人员能够运行一般大4到10倍、长几百倍的模拟。这让他们对整个过程有了更好的了解。
Ceriotti说，杏耀软件虽然在这篇论文中它被应用于与行星科学相关的问题，但同样的技术也可以应用于材料科学或化学中的任何问题。
Ceriotti说:“这是一种技术的展示，它允许模拟进入一个不可能达到的状态。”“我们可以用来更好地了解行星行为的技术也可以用来设计更好的药物或性能更好的材料。模拟确实有可能改变我们对日常行为以及外来事物的理解方式。”
