Des simulations avec un modèle d’apprentissage automatique prédisent une nouvelle phase de l’hydrogène solide

La critique geante de licone de la SHL sur la

L’hydrogène, l’élément le plus abondant de l’univers, se trouve partout, de la poussière remplissant la majeure partie de l’espace extra-atmosphérique aux noyaux d’étoiles en passant par de nombreuses substances ici sur Terre. Ce serait une raison suffisante pour étudier l’hydrogène, mais ses atomes individuels sont aussi les plus simples de tous les éléments avec un seul proton et un électron. Pour David Ceperley, professeur de physique à l’Université de l’Illinois à Urbana-Champaign, cela fait de l’hydrogène le point de départ naturel pour formuler et tester les théories de la matière.

Ceperley, également membre du Centre des sciences et technologies de l’information quantique de l’Illinois, utilise des simulations informatiques pour étudier comment les atomes d’hydrogène interagissent et se combinent pour former différentes phases de la matière comme les solides, les liquides et les gaz. Cependant, une véritable compréhension de ces phénomènes nécessite la mécanique quantique, et les simulations de mécanique quantique sont coûteuses. Pour simplifier la tâche, Ceperley et ses collaborateurs ont développé une technique d’apprentissage automatique qui permet d’effectuer des simulations de mécanique quantique avec un nombre sans précédent d’atomes. Ils ont rapporté dans Lettres d’examen physique que leur méthode a trouvé un nouveau type d’hydrogène solide à haute pression que la théorie et les expériences passées ont manqué.

« L’apprentissage automatique s’est avéré nous apprendre beaucoup », a déclaré Ceperley. « Nous avions constaté des signes de nouveaux comportements dans nos simulations précédentes, mais nous ne leur faisions pas confiance car nous ne pouvions accepter qu’un petit nombre d’atomes. Grâce à notre modèle d’apprentissage automatique, nous pouvions tirer pleinement parti des méthodes les plus précises et voir ce qui se passait. passe vraiment. »

Les atomes d’hydrogène forment un système mécanique quantique, mais il est très difficile de capturer leur comportement quantique complet, même sur des ordinateurs. Une technique de pointe comme le Monte Carlo quantique (QMC) peut simuler de manière réaliste des centaines d’atomes, tandis que la compréhension des comportements de phase à grande échelle nécessite de simuler des milliers d’atomes sur de longues périodes.

Pour rendre QMC plus polyvalent, deux anciens étudiants diplômés, Hongwei Niu et Yubo Yang, ont développé un modèle d’apprentissage automatique entraîné avec des simulations QMC capables d’accueillir beaucoup plus d’atomes que QMC seul. Ils ont ensuite utilisé le modèle avec l’associé de recherche postdoctoral Scott Jensen pour étudier comment la phase solide d’hydrogène qui se forme à très haute pression fond.

Les trois examinaient différentes températures et pressions pour former une image complète lorsqu’ils remarquèrent quelque chose d’inhabituel dans la phase solide. Alors que les molécules d’hydrogène solide sont normalement presque sphériques et forment une configuration appelée hexagonale serrée – Ceperley l’a comparée à des oranges empilées – les chercheurs ont observé une phase où les molécules deviennent des figures oblongues – Ceperley les a décrites comme ressemblant à des œufs.

« Nous avons commencé avec l’objectif pas trop ambitieux d’affiner la théorie de quelque chose que nous connaissons », se souvient Jensen. « Malheureusement, ou peut-être heureusement, c’était plus intéressant que cela. Il y avait ce nouveau comportement qui apparaissait. En fait, c’était le comportement dominant à des températures et des pressions élevées, quelque chose qu’il n’y avait aucune allusion dans la théorie plus ancienne. »

Pour vérifier leurs résultats, les chercheurs ont formé leur modèle d’apprentissage automatique avec des données de la théorie de la fonctionnelle de la densité, une technique largement utilisée qui est moins précise que la QMC mais qui peut accueillir beaucoup plus d’atomes. Ils ont constaté que le modèle d’apprentissage automatique simplifié reproduisait parfaitement les résultats de la théorie standard. Les chercheurs ont conclu que leurs simulations QMC à grande échelle assistées par apprentissage automatique peuvent tenir compte des effets et faire des prédictions que les techniques standard ne peuvent pas.

Ce travail a lancé une conversation entre les collaborateurs de Ceperley et certains expérimentateurs. Les mesures à haute pression de l’hydrogène sont difficiles à réaliser, de sorte que les résultats expérimentaux sont limités. La nouvelle prédiction a inspiré certains groupes à revoir le problème et à explorer plus attentivement le comportement de l’hydrogène dans des conditions extrêmes.

Ceperley a noté que la compréhension de l’hydrogène sous des températures et des pressions élevées améliorera notre compréhension de Jupiter et de Saturne, des planètes gazeuses principalement constituées d’hydrogène. Jensen a ajouté que la « simplicité » de l’hydrogène rend la substance importante à étudier. « Nous voulons tout comprendre, nous devons donc commencer par des systèmes que nous pouvons attaquer », a-t-il déclaré. « L’hydrogène est simple, il vaut donc la peine de savoir que nous pouvons y faire face. »

Plus d’information:
Hongwei Niu et al, Stable Solid Molecular Hydrogen above 900 K from a Machine-Learned Potential Trained with Diffusion Quantum Monte Carlo, Lettres d’examen physique (2023). DOI : 10.1103/PhysRevLett.130.076102

Fourni par le Grainger College of Engineering de l’Université de l’Illinois

ph-tech