Un’architettura machine-learning potential (Mpl) poco costosa ha consentito lo studio delle transizioni di fase dell’idrogeno per temperature comprese tra 100 e 4000 K e pressioni comprese tra 25 e 400 gigapascal, con dimensioni e tempo di simulazione convergenti. Crediti: Michele Ceriotti, Epfl
L’atomo di idrogeno, con il suo singolo protone attorno al quale orbita un singolo elettrone, è senza dubbio il materiale più semplice in circolazione. Tuttavia, nella sua semplicità, l’idrogeno elementare può esibire un comportamento estremamente complesso: a pressioni dell’ordine di milioni di bar, ad esempio, subisce una transizione da fluido isolante a fluido metallico conduttivo.
La transizione, oltre a essere affascinante dal punto di vista della fisica della materia condensata e della scienza dei materiali – le transizioni di fase liquido-liquido sono piuttosto insolite – ha anche implicazioni significative per la scienza planetaria, poiché l’idrogeno liquido costituisce l’interno di pianeti giganti come come Giove e Saturno, così come delle nane brune. La comprensione della transizione liquido-liquido è quindi fondamentale per modellare accuratamente la struttura e l’evoluzione di tali pianeti, e i modelli standard generalmente presuppongono una transizione netta tra fluido molecolare isolante e fluido metallico conduttore. In questi pianeti, questa transizione netta sarebbe collegata a una discontinuità nella densità e quindi a un confine netto tra un mantello metallico interno e un mantello isolante esterno.
Se da una parte sono stati compiuti sforzi considerevoli per esplorare e caratterizzare questa transizione, così come le molte proprietà insolite dell’idrogeno denso – incluso il ricco polimorfismo solido scarsamente compreso, la linea di fusione anomala e la possibile transizione a uno stato superconduttore – le indagini di laboratorio sono complicate, a causa della necessità di creare un ambiente ad alta pressione e temperatura controllata, e di confinare l’idrogeno durante le misurazioni. La ricerca sperimentale non ha quindi ancora raggiunto un consenso sul fatto che la transizione sia brusca o regolare e diversi esperimenti hanno individuato la transizione liquido-liquido anche a pressioni fino a 100 gigapascal di distanza (1 gigapascal equivale a 10mila bar).
«Il tipo di esperimento che bisogna essere in grado di fare per studiare un materiale nello stesso intervallo di pressioni che si trovano su Giove non è assolutamente banale», dice Michele Ceriotti. «A seconda dei vincoli, sono stati eseguiti molti esperimenti diversi, con risultati molto diversi tra loro».
Sebbene le tecniche di modellazione introdotte nell’ultimo decennio abbiano consentito agli scienziati di comprendere meglio il sistema, l’enorme costo computazionale coinvolto nella risoluzione del problema di meccanica quantistica per il comportamento degli atomi di idrogeno, ha fatto sì che queste simulazioni fossero limitate nel tempo a una scala di pochi picosecondi e a un raggio di poche centinaia di atomi. Anche in questo caso i risultati sono stati contrastanti.
Per esaminare il problema in modo più approfondito, Ceriotti e i colleghi Bingqing Chen dell’Università di Cambridge e Guglielmo Mazzola dell’Ibm Research di Zurigo, hanno utilizzato un’architettura di rete neurale artificiale per realizzare quello che viene chiamato machine learning potential (Mlp). Basato su pochi calcoli molto accurati (e che richiedono tempo) del problema della struttura elettronica, Mpl ha consentito lo studio delle transizioni di fase dell’idrogeno per temperature comprese tra 100 e 4000 K e pressioni comprese tra 25 e 400 gigapascal con dimensioni e tempi di simulazione convergenti. Per lo più, le simulazioni eseguite sui computer dell’Epfl alla Scitas hanno impiegato solo poche settimane rispetto ai 100 milioni di anni di tempo di Cpu che sarebbero stati necessari per eseguire simulazioni tradizionali per risolvere il problema della meccanica quantistica.
Lo studio teorico risultante del diagramma di fase dell’idrogeno denso ha permesso al team di riprodurre il comportamento di fusione rientrante (in cui il punto di fusione di una sostanza inizia a diminuire oltre una certa pressione) e il polimorfismo della fase solida. Le simulazioni basate su Mpl hanno mostrato evidenza – contrariamente all’ipotesi comune che l’idrogeno subisca una transizione di fase del primo ordine – di metallizzazione continua nel liquido. Questo a sua volta non solo suggerisce una transizione graduale tra strati isolanti e metallici nei pianeti gassosi giganti, ma riconcilia anche la discrepanza esistente tra esperimenti di laboratorio e modellazione.
«Se l’idrogeno ad alta pressione è supercritico, come suggeriscono le nostre simulazioni, non c’è transizione brusca dove tutte le proprietà del fluido hanno un salto improvviso», spiega Ceriotti. «A seconda della proprietà che sondate e del modo in cui definite una soglia, scoprirete che la transizione si verifica a una temperatura o pressione diversa. Ciò potrebbe conciliare un decennio di risultati controversi di esperimenti ad alta pressione. Esperimenti diversi hanno misurato una differenza leggermente diversa e non sono stati in grado di identificare la transizione in uno stesso punto perché la transizione non è netta».
In termini di riconciliazione dei loro risultati con alcuni modelli precedenti che effettivamente identificavano una transizione netta, Ceriotti afferma che si può osservare un netto salto nelle proprietà solo quando si eseguono simulazioni piccole, e che in questi casi si potrebbe risalire al salto alla solidificazione, piuttosto che a una transizione liquido-liquido. La brusca transizione osservata dovrebbe quindi essere piuttosto intesa come un artefatto dei limiti dell’utilizzo di simulazioni basate sulla modellazione tradizionale fondate sulla fisica. L’approccio all’apprendimento automatico ha permesso ai ricercatori di eseguire simulazioni che sono tipicamente tra 4 e 10 volte più grandi e diverse centinaia di volte più lunghe, offrendo loro una panoramica molto migliore dell’intero processo.
I risultati dello studio sono stati pubblicati su Nature e, sebbene in questo particolare caso la tecnologia sia stata applicata a una questione legata alla scienza planetaria, la stessa può essere applicata a qualsiasi problema nella scienza dei materiali o nella chimica.
Per saperne di più:
- Leggi su Nature l’articolo “Evidence for supercritical behaviour of high-pressure liquid hydrogen” di Bingqing Cheng, Guglielmo Mazzola, Chris J. Pickard e Michele Ceriotti