Grâce à l’apprentissage automatique, une équipe de physiciens du Lawrence Livermore National Laboratory a étudié les comportements de phase de l’eau superionique – une phase de l’eau où les atomes d’hydrogène deviennent liquides tandis que les atomes d’oxygène restent solides sur un réseau cristallin – avec une résolution sans précédent.
Les atomes d’hydrogène diffusent facilement entre la phase superionique et la phase liquide. L’interface superionique liquide-fcc d’un système d’eau avec 20 736 atomes à 100 GPa et 3 250 K (sur la courbe de fusion) est représentée. Les atomes d’oxygène sont en rouge et les atomes d’hydrogène en blanc. Les lignes jaune, verte et bleue montrent les trajectoires de trois atomes d’hydrogène pendant une simulation de dynamique moléculaire de 75 ps. Crédit image : Cheng et al., doi : 10.1038/s41567-021-01334-9.
L’eau est le constituant dominant des manteaux d’Uranus et de Neptune, et on pense que l’eau superionique est stable à des profondeurs supérieures à environ un tiers du rayon de ces planètes géantes de glace.
Bien que l’eau superionique ait été postulée il y a plus de trois décennies, ses propriétés optiques (elle est partiellement opaque) et ses réseaux d’oxygène n’ont été mesurés avec précision que récemment, et de nombreuses propriétés sont encore inexplorées.
La compréhension de ses propriétés est cruciale pour la science planétaire mais difficile à sonder expérimentalement ou théoriquement.
Les simulations de mécanique quantique de l’eau superionique ont traditionnellement été limitées à des temps de simulation courts et à des systèmes de petite taille, ce qui a conduit à une incertitude significative dans la localisation des limites de phase telles que la ligne de fusion.
Dans cette nouvelle recherche, Sebastien Hamel du Lawrence Livermore National Laboratory et ses collègues ont fait un bond en avant dans la capacité de traiter des systèmes de grande taille et des échelles de temps longues en utilisant des techniques d’apprentissage automatique pour apprendre les interactions atomiques à partir des calculs de mécanique quantique.
Les chercheurs ont ensuite utilisé ce potentiel appris par la machine pour piloter la dynamique moléculaire et permettre l’utilisation de méthodes avancées d’échantillonnage de l’énergie libre pour déterminer avec précision les limites de phase.
“Nous utilisons des méthodes d’apprentissage automatique et d’énergie libre pour surmonter les limites des simulations mécaniques quantiques et caractériser la diffusion de l’hydrogène, les transitions superioniques et les comportements de phase de l’eau dans des conditions extrêmes”, a déclaré le Dr Hamel.
Les auteurs ont découvert que les frontières de phase, qui sont cohérentes avec les observations expérimentales existantes, aident à résoudre les fractions de glace isolante, les différentes phases superioniques et l’eau liquide à l’intérieur des géants de glace.
“Notre compréhension quantitative de l’eau superionique éclaire la structure intérieure, l’évolution et les champs magnétiques de planètes telles qu’Uranus et Neptune, ainsi que du nombre croissant d’exoplanètes glacées”, a déclaré le Dr Hamel.
L’étude a été publiée dans le journal Nature Physics.
