Dlaczego to było takie trudne?
Próby zrozumienia tzw. pretopnienia nigdy nie ustawały, głównie ze względu na jego praktyczny wpływ na właściwości fizyczne i chemiczne powierzchni. Problem leżał gdzie indziej: w technicznych możliwościach obserwacji. Nawet najbardziej zaawansowana mikroskopia sił atomowych (AFM), choć niezwykle czuła, nie potrafiła w pełni odtworzyć trójwymiarowej, nieuporządkowanej struktury atomowej na granicy faz. Obrazowanie dynamicznych procesów w tej skali po prostu wymykało się dostępnym narzędziom.
Przełomu dokonano, łącząc mikroskopię sił atomowych z frameworkiem głębokiego uczenia. Kluczowym pomysłem było wytrenowanie algorytmu na ogromnym zbiorze danych symulacyjnych, które celowo zawierały realistyczny szum eksperymentalny. Dzięki temu system nauczył się rozpoznawać i rekonstruować subtelne cechy powierzchniowe, niewidoczne ani dla samego mikroskopu, ani nieprzewidywalne wyłącznie na podstawie symulacji komputerowych. Metoda działa w obie strony. Struktury określone eksperymentalnie stają się teraz wiarygodnym punktem wyjścia dla nowych, bardziej precyzyjnych symulacji. To otwiera drzwi do badania dynamiki przejść fazowych, które do tej pory były poza zasięgiem naukowców.
Te eksperymentalnie rozstrzygnięte struktury mogą następnie służyć jako realistyczne punkty wyjścia dla symulacji, pozwalając nam badać dynamikę interfejsów i przejścia fazowe, które były wcześniej niedostępne – wyjaśnia Jiani Hong z Uniwersytetu Pekińskiego
Niespodzianka w ekstremalnych temperaturach
Symulacje przeprowadzone w ekstremalnie niskich temperaturach, od -152°C do -93°C, przyniosły zaskakujące odkrycie. Okazało się, iż na powierzchni lodu, zanim pojawi się warstwa ciekła, formuje się warstwa amorficzna. W tej fazie woda pozostaje zamarznięta, ale jej cząsteczki nie tworzą uporządkowanej sieci krystalicznej, typowej dla lodu. Tworzą raczej bezpostaciową, stałą masę o dynamicznych właściwościach. Ta amorficzna warstwa, charakteryzująca się silnymi wiązaniami wodorowymi, stopniowo przekształca się w warstwę quasi-ciekłą wraz ze wzrostem temperatury. To zupełnie nowe spojrzenie na mechanizm pretopnienia, które zmienia sposób rozumienia wzrostu i ewolucji powierzchni lodowych w warunkach znacznie poniżej zera. Odkrycie to ma bezpośrednie przełożenie na naszą wiedzę o procesach zachodzących w wysokich warstwach atmosfery czy na lodowych księżycach planet.
Czytaj też: Kropelki oleju płyną pod prąd. Odkryto nowe zjawisko w fizyce płynów
Opracowane przez zespół Xu podejście wykracza daleko poza glacjologię czy chemię fizyczną. Połączenie AFM z uczeniem maszynowym tworzy potężne narzędzie do badania wszelkiego rodzaju nieuporządkowanych granic międzyfazowych, defektów materiałowych i samych przejść fazowych w skali atomowej. Perspektywy zastosowań są szerokie, wszak nowa metoda może przyczynić się do lepszego zrozumienia i projektowania interfejsów w katalizie, gdzie struktura powierzchni decyduje o szybkości reakcji. Sprawdzi się również w inżynierii materiałów funkcjonalnych oraz w analizie skomplikowanych systemów biologicznych, gdzie nieuporządkowanie odgrywa kluczową rolę. Szczegółowy opis badań i metodyki został opublikowany w czasopiśmie Physical Review X.
Framework AFM z uczeniem maszynowym stanowi potężne narzędzie w skali atomowej do badania nieuporządkowanych interfejsów, przejść fazowych i defektów materiałowych, z szerokim potencjałem zastosowań w interfejsach katalitycznych, materiałach funkcjonalnych i systemach biologicznych – podsumowuje Hong