Utiliser l’apprentissage automatique pour mieux comprendre le comportement de l’eau

Utiliser l'apprentissage automatique pour mieux comprendre le comportement de l'eau

Résultats de simulation moléculaire montrant comment les molécules d’eau se déplacent et se structurent les unes autour des autres dans la phase liquide à haute densité. Crédit : Georgia Tech

L’eau a intrigué les scientifiques pendant des décennies. Au cours des 30 dernières années environ, ils ont émis l’hypothèse que lorsqu’elle est refroidie à une température très basse comme -100 ° C, l’eau pourrait être capable de se séparer en deux phases liquides de densités différentes. Comme l’huile et l’eau, ces phases ne se mélangent pas et peuvent aider à expliquer certains des autres comportements étranges de l’eau, comme la façon dont elle devient moins dense en refroidissant.

Il est presque impossible d’étudier ce phénomène en laboratoire, car l’eau cristallise en glace si rapidement à des températures aussi basses. Désormais, de nouvelles recherches du Georgia Institute of Technology utilisent des modèles d’apprentissage automatique pour mieux comprendre les changements de phase de l’eau, ouvrant ainsi davantage de voies pour une meilleure compréhension théorique de diverses substances. Avec cette technique, les chercheurs ont trouvé des preuves informatiques solides à l’appui de la transition liquide-liquide de l’eau qui peuvent être appliquées aux systèmes du monde réel qui utilisent l’eau pour fonctionner.

“Nous le faisons avec des calculs de chimie quantique très détaillés qui tentent d’être aussi proches que possible de la physique et de la chimie physique réelles de l’eau”, a déclaré Thomas Gartner, professeur adjoint à la School of Chemical and Biomolecular Engineering de Georgia Tech. “C’est la première fois que quelqu’un a pu étudier cette transition avec ce niveau de précision.”

La recherche a été présentée dans le document, “Transition liquide-liquide dans l’eau à partir des premiers principes,” dans la revue Lettres d’examen physiqueavec des co-auteurs de l’Université de Princeton.

Simuler l’eau

Pour mieux comprendre comment l’eau interagit, les chercheurs ont effectué des simulations moléculaires sur des superordinateurs, que Gartner a comparés à un microscope virtuel.

“Si vous aviez un microscope infiniment puissant, vous pourriez zoomer jusqu’au niveau des molécules individuelles et les regarder bouger et interagir en temps réel”, a-t-il déclaré. “C’est ce que nous faisons en créant presque un film informatique.”







Résultats de simulation moléculaire montrant comment les molécules d’eau se déplacent et se structurent les unes autour des autres dans la phase liquide à haute densité. Crédit : Georgia Tech

Les chercheurs ont analysé la façon dont les molécules se déplacent et ont caractérisé la structure du liquide à différentes températures et pressions de l’eau, imitant la séparation de phases entre les liquides à haute et basse densité. Ils ont collecté de nombreuses données – en exécutant certaines simulations pendant jusqu’à un an – et ont continué à affiner leurs algorithmes pour obtenir des résultats plus précis.

Il y a encore dix ans, exécuter des simulations aussi longues et détaillées n’aurait pas été possible, mais l’apprentissage automatique offre aujourd’hui un raccourci. Les chercheurs ont utilisé un algorithme d’apprentissage automatique qui a calculé l’énergie de la façon dont les molécules d’eau interagissent les unes avec les autres. Ce modèle a effectué le calcul beaucoup plus rapidement que les techniques traditionnelles, permettant aux simulations de progresser beaucoup plus efficacement.

L’apprentissage automatique n’est pas parfait, donc ces longues simulations ont également amélioré la précision des prédictions. Les chercheurs ont pris soin de tester leurs prédictions avec différents types d’algorithmes de simulation. Si plusieurs simulations donnaient des résultats similaires, cela validait leur exactitude.

“L’un des défis de ce travail est qu’il n’y a pas beaucoup de données auxquelles nous pouvons comparer car c’est un problème qu’il est presque impossible d’étudier expérimentalement”, a déclaré Gartner. “Nous repoussons vraiment les limites ici, c’est donc une autre raison pour laquelle il est si important que nous essayions de le faire en utilisant plusieurs techniques de calcul différentes.”

Au-delà de l’eau

Certaines des conditions testées par les chercheurs étaient des conditions extrêmes qui n’existent probablement pas directement sur Terre, mais qui pourraient potentiellement être présentes dans divers environnements aquatiques du système solaire, des océans d’Europe à l’eau au centre des comètes. Pourtant, ces découvertes pourraient également aider les chercheurs à mieux expliquer et prédire la chimie physique étrange et complexe de l’eau, informant l’utilisation de l’eau dans processus industrielsdévelopper de meilleurs modèles climatiques, et plus encore.

Le travail est encore plus généralisable, selon Gartner. L’eau est un domaine de recherche bien étudié, mais cette méthodologie pourrait être étendue à d’autres matériaux difficiles à simuler comme les polymères, ou à des phénomènes complexes comme réactions chimiques.

“L’eau est si centrale pour la vie et l’industrie, donc cette question particulière de savoir si l’eau peut subir cette transition de phase est un problème de longue date, et si nous pouvons avancer vers une réponse, c’est important”, a-t-il déclaré. “Mais maintenant, nous avons cette nouvelle technique de calcul vraiment puissante, mais nous ne savons pas encore quelles sont les limites et il y a beaucoup de place pour faire avancer le domaine.”

Plus d’information:
Thomas E. Gartner et al, Transition liquide-liquide dans l’eau à partir des premiers principes, Lettres d’examen physique (2022). DOI : 10.1103/PhysRevLett.129.255702

Citation: Utiliser l’apprentissage automatique pour mieux comprendre le comportement de l’eau (17 décembre 2022) récupéré le 17 décembre 2022 sur https://phys.org/news/2022-12-machine.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.

Leave a Comment