Os interiores de Urano e Netuno contêm, cada um, cerca de 50.000 vezes a quantidade de água dos oceanos da Terra, e acredita-se que uma forma de água conhecida como água superiônica seja estável em profundidades maiores do que cerca de um terço do raio desses gigantes de gelo.
Água superiônica é uma fase de H2O onde os átomos de hidrogênio se tornam líquidos, enquanto os átomos de oxigênio permanecem sólidos em uma rede cristalina. Embora a água superiônica tenha sido proposta há mais de três décadas, suas propriedades ópticas e redes de oxigênio só foram medidas com precisão recentemente em experimentos de Marius Millot e Federica Coppari do LLNL, e muitas propriedades desse “gelo negro” quente ainda não foram mapeadas.
Os cientistas do Lawrence Livermore National Laboratory (LLNL) desenvolveram uma nova abordagem usando aprendizado de máquina para estudar com resolução sem precedentes os comportamentos de fase da água superiônica.
Enterrado nas profundezas do núcleo dos planetas, grande parte da água do universo pode ser superiônica e compreender suas propriedades termodinâmicas e de transporte é crucial para a ciência planetária, mas difícil de sondar experimentalmente ou teoricamente.
Sob as pressões e temperaturas encontradas em planetas gigantes de gelo, a maior parte dessa água foi prevista por simulações da Dinâmica Molecular dos Primeiros Princípios (FPMD) como estando em uma fase superiônica. No entanto, essas simulações de mecânica quântica têm sido tradicionalmente limitadas a tempos de simulação curtos (10s de picossegundos) e tamanho de sistema pequeno (100s de átomos), levando a uma incerteza significativa na localização dos limites de fase, como a linha de fusão.
Em experimentos com água superiônica, a preparação da amostra é extremamente desafiadora, as posições do hidrogênio não podem ser determinadas e as medições de temperatura em experimentos de compressão dinâmica não são diretas. Freqüentemente, os experimentos se beneficiam da orientação fornecida por simulações de dinâmica molecular quântica, tanto durante o estágio de projeto quanto para a interpretação dos resultados.
Na pesquisa mais recente, a equipe deu um salto à frente em sua capacidade de tratar sistemas de grandes tamanhos e escalas de tempo, fazendo uso de técnicas de aprendizado de máquina para aprender as interações atômicas de cálculos da mecânica quântica. Eles então usaram esse potencial aprendido por máquina para conduzir a dinâmica molecular e permitir o uso de métodos avançados de amostragem de energia livre para determinar com precisão os limites das fases.
“Usamos aprendizado de máquina e métodos de energia livre para superar as limitações das simulações de mecânica quântica e caracterizar a difusão de hidrogênio, as transições superiônicas e os comportamentos de fase da água em condições extremas”, disse o físico do LLNL Sebastien Hamel, co-autor de um artigo publicado em Nature Physics.
A equipe descobriu que os limites de fase, que são consistentes com as observações experimentais existentes, ajudam a resolver as frações de gelo isolante, diferentes fases superiônicas e água líquida dentro de gigantes de gelo.
A construção de potenciais de interação eficazes que retêm a precisão dos cálculos da mecânica quântica é uma tarefa difícil. A estrutura que foi desenvolvida aqui é geral e pode ser usada para descobrir e / ou caracterizar outros materiais complexos, como eletrólitos de bateria, plásticos e diamante nanocristalino usado em cápsulas ICF, bem como novas fases de amônia, sais, hidrocarbonetos, silicatos e misturas relacionadas que são relevantes para a ciência planetária.
“Nossa compreensão quantitativa da água superiônica lança luz sobre a estrutura interior, a evolução e os campos magnéticos de planetas como Urano e Netuno e também sobre o número crescente de exoplanetas gelados”, disse Hamel.
Pesquisadores da Universidade de Cambridge, da Universidade de Lyon e da Universidade Tohoku também contribuíram para o artigo. A parte LLNL da pesquisa é financiada pelo projeto de Pesquisa e Desenvolvimento Dirigido pelo Laboratório “Desvendando a Física e a Química de Misturas de baixo Z a Pressões e Temperaturas Extremos” e o programa Institutional Computing Grand Challenge.
Publicado em 25/09/2021 23h36
Artigo original:
Estudo original: