鑄鐵的熔點是1200℃左右，不鏽鋼在1520℃左右熔化。如果你想用這些材料製造日常用品，比如廚房裏的煎鍋或醫生使用的手術工具，自然就需要能經受住這些極端溫度的熔爐和模具。

這就是耐火氧化物的用途。這些陶瓷材料可以承受酷熱並保持形狀，所以可以用於(yu) 製造從(cong) 窯爐、核反應堆到航天器上的隔熱瓦等各種物品。但它們(men) 所置身的環境往往很危險，所以科學家們(men) 希望盡可能多地了解高溫下它們(men) 可能產(chan) 生的變化。

樣本是一個(ge) 懸浮器噴嘴，激光加熱25-3000℃。在用X射線檢查其結構前，用惰性氣體(ti) 將材料小球懸浮在空氣中，再用激光加熱其頂端（來源：Ganesh Sivaraman/阿貢國家實驗室）

“並不是說人類不偉(wei) 大，但如果能夠得到計算機和軟件的幫助，我們(men) 就可以更偉(wei) 大。它們(men) 為(wei) 更多的此類實驗打開了大門，推動了科學的發展。”阿貢國家實驗室智能材料設計項目負責人Marius Stan表示。

美國能源部阿貢國家實驗室的研究小組利用創新的實驗技術和計算機模擬法設計了一種方法，不僅(jin) 可以獲得這些材料在熔點附近發生結構變化的精確數據，還可以更準確地預測出其他變化。該團隊的這項研究成果發表在了《物理評論快報》上。

這次合作的“種子”是Marius Stan種下的，他是阿貢國家實驗室應用材料部門智能材料設計項目負責人。Stan的團隊已經開發了許多關(guan) 於(yu) 耐火氧化物熔點的模型和模擬，但需要測試。“關(guan) 鍵是想看看我們(men) 的數學模型和模擬是否可以實現。現在它已經演變成了一項機器學習(xi) 研究。最令人興(xing) 奮的是現在有了一種可以自動預測原子間相互作用的方法。”Stan說。

該論文第一作者、阿貢國家實驗室數據科學與(yu) 學習(xi) 部門助理計算科學家Ganesh Sivaraman表示：這項創新研究是從(cong) 一個(ge) 熟悉的測試腳本開始的。他在美國能源部科學用戶設施辦公室設立的阿貢領先計算設施（ALCF）項目中作博士後時完成了那項工作。

雖然大多數實驗都是從(cong) 理論模型開始的，基本上就是對現實條件下會(hui) 發生什麽(me) 事的一種有根據的猜測，但研究小組仍希望從(cong) 實驗數據開始，並以此為(wei) 基礎設計模型。Sivaraman講了一個(ge) 故事，一位著名的德國數學家想學遊泳，於(yu) 是他拿起一本遊泳書(shu) 讀了起來。Sivaraman說，在不考慮實驗數據的情況下創造理論，就像隻讀遊泳書(shu) ，從(cong) 來沒進過泳池。阿貢團隊希望縱身躍入“深水區”。

“圍繞實驗數據建立的模型更準確，”Sivaraman說，“它讓模型更接近現實。”為(wei) 了獲得這些數據，計算科學家們(men) 與(yu) 物理學家Chris Benmore，以及阿貢實驗室X射線科學部的助理物理學家Leighanne Gallington進行合作。Benmore和Gallington正在研究高級光子源（APS）項目，也是美國能源部科學用戶設施辦公室的項目。高級光子源會(hui) 產(chan) 生非常明亮的X射線束，照亮材料結構及其他東(dong) 西。科學家們(men) 在實驗中使用的光束線能夠檢測極端條件下（如高溫）材料的局部結構及長程結構。

當然，加熱難熔氧化物，此案例中是二氧化鉿，二氧化鉿的熔點是2870℃左右，有其複雜之處。通常需要將樣本存放於(yu) 一個(ge) 容器內(nei) ，但沒有一個(ge) 容器既能承受這樣的高溫，同時還能讓X射線通過。甚至不能把樣品放在桌子上，因為(wei) 桌子會(hui) 在樣品熔化前熔化。解決(jue) 方案就是空氣動力懸浮，比如科學家用惰性氣體(ti) 將一個(ge) （直徑2mm-3mm）的材料樣本小球懸浮在空中，大約1mm。

Gallington說：“我們(men) 有一個(ge) 與(yu) 惰性氣體(ti) 流相連的噴嘴，在它使樣品懸浮後，再用400W的激光從(cong) 上麵加熱材料。需要調整氣流，讓它穩定地懸浮。高度不能太低，才能避免樣品接觸到噴嘴，將它熔化。”

一旦得到數據，使用光束線的科學家們(men) 就能較好地了解氧化鉿熔化時會(hui) 發生什麽(me) ，然後計算機科學家就可以把數據運行起來。Sivaraman將數據輸入兩(liang) 套機器學習(xi) 算法，其中一套理解理論並做出預測，另一套則是主動學習(xi) 算法，充當教學助手，隻負責為(wei) 第一套算法提供最有趣的數據。

“主動學習(xi) 算法可以幫助其他類型的機器學習(xi) 算法用更少的數據學習(xi) ，”Sivaraman解釋說：“比如從(cong) 你家去市場可能有很多路線，但你隻需要知道最短的路線。主動學習(xi) 算法會(hui) 指出最短的那條，過濾掉其他的。”
計算是在阿貢國家實驗室ALCF和實驗室計算資源中心的超級計算機上運行的。最終，這個(ge) 團隊得到了一個(ge) 基於(yu) 真實數據的計算機生成模型，讓他們(men) 可以預測實驗人員沒有或無法捕捉到的東(dong) 西。

“我們(men) 現在有了一個(ge) 叫作多種可能性的模型，可以預測很多事情。我們(men) 現在可以給出其他參數，比如它在高溫下是如何保持形狀的，這是之前測不出的。還可以推測溫度升到超出我們(men) 目前能夠製造的溫度之外，它的性狀可能發生什麽(me) 改變。”Benmore說。Benmore補充道：“模型的好壞取決(jue) 於(yu) 你提供的數據，數據越多，模型越好。我們(men) 提供盡可能多的信息，以產(chan) 生更好的模型。”

Sivaraman將這項工作描述為(wei) 可以反饋到進一步實驗中的概念證明。他說，這是一個(ge) 很好的例子，體(ti) 現了阿貢實驗室不同領域的合作，也是一項沒有國家實驗室資源就無法完成的研究。

“我們(men) 將在其他材料上重複這個(ge) 實驗，”Sivaraman說：“高級光子源（APS）項目的同事擁有研究這些材料如何在極端條件下熔化的基礎設施，我們(men) 正在與(yu) 計算機科學家們(men) 合作構建軟件和流媒體(ti) 架構，以快速處理這些數據集。我們(men) 可以將主動學習(xi) 納入框架，並教模型使用ALCF超級計算機，更有效地處理數據流。”

Stan認為(wei) ，這樣的概念證明可能會(hui) 取代人類為(wei) 了精確計算所做的那些枯燥工作。他在職業(ye) 生涯中見證了這項技術的發展，過去需要幾個(ge) 月才能完成的計算工作，現在隻需幾天即可。“並不是說人類不偉(wei) 大，”他笑著說，“但如果能夠得到計算機和軟件的幫助，我們(men) 就可以變得更偉(wei) 大。它為(wei) 更多的此類實驗打開了大門，推動了科學的發展。”