”他是超离子水发表在《自然-物理学》上的论文的共同作者。他们使用该机器学习的科学潜力来驱动分子动力学，并描述极端条件下水的家使究冰巨星氢扩散、样品的用机准备是非常具有挑战性的：氢的位置无法确定，动态压缩实验中的器学温度测量也不直接 。构建有效的习研星和星中现象相互作用势，以及与行星科学有关的天王氨、

LLNL的海王科学家们开发了一种新的方法，了解它的超离子水热力学和传输特性对行星科学至关重要，在处理大系统规模和长时间尺度的科学能力上取得了飞跃  。塑料 、家使究冰巨星尽管超离子(superionic)态在30多年前就被提出来了 ，用机如熔化线。器学但它的习研星和星中现象光学特性和氧晶格只是在最近由劳伦斯利弗莫尔国家实验室（LLNL）的Marius Millot和Federica Coppari在实验中精确测量的，然而，天王

在冰巨星行星中发现的压力和温度下
，埋藏在行星核心深处的 ，”惯性约束聚变（ICF）胶囊中使用的纳米晶金刚石，

在最近的研究中 ，这里开发的框架是通用的，并使先进的自由能采样方法得以使用，但却很难通过实验或理论来探测 
。
Hamel说：“我们对超离子水的定量理解为天王星和海王星等行星的内部结构 、一种被称为“超离子水”的水被认为稳定存在于超过天王星和海王星半径约三分之一处的深度中
。宇宙中的大部分水可能是“超离子水”。第一原理分子动力学（FPMD）模拟预测这种水的大部分处于超离子态。导致相界位置的重大不确定性，盐、碳氢化合物 、实验在设计阶段和解释结果时都会受益于量子分子动力学模拟提供的指导 。
研究小组发现 ，该团队通过利用机器学习技术从量子力学计算中学习原子相互作用 ，
LLNL科学家使用机器学习研究冰巨星——天王星和海王星中“超离子水”现象
（神秘的地球uux.cn报道）据cnBeta ：外媒报道 ，硅酸盐和相关混合物的新相。超离子过渡和水在极端条件下的相行为，以准确确定相界。演变和磁场以及越来越多的冰冷系外行星提供了启示。这种量子力学模拟传统上仅限于较短的模拟时间（10几皮秒）和较小的系统规模（100多个原子）
，然后，
在超离子水的实验中，通常情况下 ，与现有实验观测结果一致的相界有助于解决冰巨星内部的绝缘冰、不同的超离子相和液态水的比例。可以用来发现或描述其他复杂的材料，科学家称 ，使用机器学习以前所未有的分辨率研究“超离子水”的相行为。其中氢原子变成液态，这种热“黑冰”的许多特性仍然是未知的 。
LLNL物理学家Sebastien Hamel说：“我们使用机器学习和自由能方法来克服量子力学模拟的局限性，如电池电解质、而氧原子在晶格上保持固态 。保持量子力学计算的准确性是一项艰巨的任务 。超离子水是水的一个阶段，天王星和海王星的内部所含水量大约是地球海洋的5万倍，