水在低温下分离成两种液体,是分子网络中的“结”在作祟

2022 年 9 月 10 日 量子位
Pine 发自 凹非寺
量子位 | 公众号 QbitAI

看上去都是液态的水,遇上低温,可能就算不上是同一种液体了。

怎么说?

现在,有项新的研究表明,在低温的状态下,水会有两种状态,它们在排列方式上有很大的不同。

目前,这项已经发表在Nature子刊——《自然物理学》杂志上。

作为不遵守热胀冷缩原理的“异类”,水在液态下会有一些奇特的转变。

一般来说,3.98°C是液体水的一个特殊温度,在这个温度下,水的密度处于一个最大值。

而水分离成两种不同的液体恰恰是在这样的低温下。

此时,水会分离成两种不同密度的液体,一种为高密度水(HDL),另一种为低密度水(LDL)

这两种液体之间可以相互转换,一般称之为液-液相转变(LLPT),转变的点称作液-液临界点(LLCP)

但这其中是一个怎样的转变过程,水是怎样从低密度变成高密度的?

当然,通过肉眼肯定观察不出来这其中的区别,还得需要从微观状态来探索。

为此,研究人员建立了相应的模型,并对此进行模拟。

水中的链与结

首先要先建立一个模型,因为胶体是比单个水分子大一千倍的粒子,尺寸相对较大,运动速度较慢,可以很好地观察和理解同样发生在小得多的原子和分子尺度上的物理现象。

因此,研究人员建立了胶体水模型来进行研究。

他们设计了一种水的胶状类似物:三块斑状粒子,充分将水的四面体性考虑在内。

具体来说,就是将标记为A、B补丁的能量学和几何学信息编码到粒子中。

其中能量学用来促进形成离散的四面体簇,由强A-A之间的相互作用驱动,然后通过较弱的B-B相互作用形成四面体网络流体。

之后,再对胶体模型进行“水的热力学异常”验证,证实其存在液-液临界点(LLCP)

证实之后,水的胶体模型就已经建立好了,接下来就要模拟低温状态的低密度水和高密度水。

在模拟得到的模型网络图中,可以很直观地看到,低密度水中不存在环结构,而在高密度水中,则存在大量的三叶结、Hopf链等环结构。

并且除了这些结和链,在高密度水网络还有很多打结的θ曲线,可以被视为两个纠缠的融合环(即共享至少两个顶点的环,图c)

因此,便可以初步证明,在微观状态下,水的“非纠缠状态”到“纠缠状态”的转变可以用作解释液-液相转变。

为了证实这个结论在分子水中依旧适用,研究人员使用了水比较常见的TIP4P/Ice和TIP4P/2005两种分子模型进行模拟。

这两种模型在建立过程中,并没有严格遵守四面体配位,但仍然存在一级液-液相转变和相应的液-液相临界点。

因此,研究人员也对这两个模型进行了类似的拓扑分析。

结果表明,在低密度水中,存在一些少量的链接,但并没有打结的结构,而在高密度水中,除了链接之外还包含三叶结和θ曲线,其环结构的含量远远超过低密度水。

总的来说,从胶体模型到分子模型的模拟实验,纠缠与非纠缠均可以作为水在两种状态下的转换一个拓扑特征。

通过追踪模型中的链与结,便可以发现液-液相变中的“秘密”了。

值得一提的是,在这个模拟过程中,胶体模型也发挥着重要的作用。

里雅斯特港/特区国际高级研究学院教授Christian Micheletti表示:

水的胶体模型为液体的大规模研究开辟了全新的视角。

并且传统的液体局部结构分析很难发现某些相变现象,而这些现象可以通过跟踪网络中的节点和链接来发现。

参考链接:
[1]
https://www.birmingham.ac.uk/news/2022/new-evidence-shows-water-separates-into-two-different-liquids-at-low-temperatures
[2]https://www.nature.com/articles/s41567-022-01698-6#Sec1

「人工智能」、「智能汽车」微信社群邀你加入!

欢迎关注人工智能、智能汽车的小伙伴们加入我们,与AI从业者交流、切磋,不错过最新行业发展&技术进展。

PS. 加好友请务必备注您的姓名-公司-职位哦 ~


点这里👇关注我,记得标星哦~

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见~



登录查看更多
0

相关内容

基于几何结构预训练的蛋白质表征学习
专知会员服务
14+阅读 · 2022年8月21日
可分离尺度Transformer
专知会员服务
22+阅读 · 2022年7月16日
【AAAI2022】利用化学元素知识图谱进行分子对比学习
专知会员服务
27+阅读 · 2021年12月3日
专知会员服务
39+阅读 · 2021年4月5日
【AAAI2021】 层次图胶囊网络
专知会员服务
80+阅读 · 2020年12月18日
最新《机器学习理论初探》概述
专知会员服务
42+阅读 · 2020年5月19日
微软出“奇招”,用沸腾液体为数据中心降温
微软研究院AI头条
0+阅读 · 2021年5月21日
【干货】一文读懂什么是变分自编码器
专知
12+阅读 · 2018年2月11日
我们眼中的“关系抽取” | 每周话题精选 #02
PaperWeekly
22+阅读 · 2017年6月21日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年11月23日
Arxiv
26+阅读 · 2021年5月17日
Cold-start Sequential Recommendation via Meta Learner
Arxiv
14+阅读 · 2020年12月10日
VIP会员
相关VIP内容
基于几何结构预训练的蛋白质表征学习
专知会员服务
14+阅读 · 2022年8月21日
可分离尺度Transformer
专知会员服务
22+阅读 · 2022年7月16日
【AAAI2022】利用化学元素知识图谱进行分子对比学习
专知会员服务
27+阅读 · 2021年12月3日
专知会员服务
39+阅读 · 2021年4月5日
【AAAI2021】 层次图胶囊网络
专知会员服务
80+阅读 · 2020年12月18日
最新《机器学习理论初探》概述
专知会员服务
42+阅读 · 2020年5月19日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员