Несмотря на обилие разных форм существования углерода в твёрдой фазе: а это и графит, и алмаз, и сажа, и различные нанотрубки и фуллерены, – ни один из этих видов твёрдого углерода не получается перевести в стабильную жидкость. Рассчитанные температуры плавления углерода настолько высоки, что ни один из известных материалов не смог бы их выдержать. Учёные, конечно, идут на хитрость, и у них иногда получается на микросекунды расплавить углерод, например, вспышкой лазера или электрическим разрядом, но с изучением свойств жидкого углерода при этом возникают большие трудности.
Но если «пощупать» расплавленный алмаз в реальности пока не очень получается, то это можно сделать хотя бы виртуально – создав компьютерную модель вещества и рассчитав его свойства. Вся загвоздка лишь в том, насколько точными будут эти модели и будут ли рассчитанные свойства хотя бы приближены к реальности. Дело в том, что с помощью очень точных квантово-химических моделей можно описать взаимодействие лишь очень ограниченного числа атомов. А когда мы переходим от считанных атомов к веществу, то соответствующая вычислительная задача становится непосильной даже для современных суперкомпьютеров.
Поэтому в таких расчётах не обойтись без приближений. Один из «рецептов» создания таких приближений заключается в том, чтобы для расчёта взаимодействия между атомами вещества взять простые для вычисления формулы, но с большим набором «подгоночных» коэффициентов. Затем подобрать эти коэффициенты так, чтобы наши более простые формулы для относительно простых объектов хорошо предсказывали результаты, полученные более точными и более «тяжеловесными» расчётами. Тогда, считается, что и для более сложных и больших химических объектов, уже «неподъёмных» для точных вычислений, наши простые формулы дадут более-менее похожий на правду результат. Или не дадут. Что тоже бывает, поэтому существует большое количество как самих формул, так и «тренировочных» моделей. И одной из новых тенденций в вычислительной химии стало использование систем машинного обучения для построения таких вот упрощённых химических моделей.
Созданные с помощью машинного обучения приближённые химические модели оказываются весьма точными, а главное, искусственный интеллект может нащупать такие неявные закономерности в мире атомов и молекул, которые были бы совсем неочевидными для «классических» химиков. А это открывает окно, пусть пока и виртуальное, в мир необычных и удивительных веществ. Таких, как жидкий углерод.
В недавно вышедшей статье в Carbon учёные из МФТИ, МГТУ им. Н. Э. Баумана и ОИВТ РАН описывают результаты теоретических расчётов свойств жидкого углерода, полученных как раз с помощью подобных методик. Как оказалось, при температурах 5 – 7 тысяч градусов в жидком углероде можно обнаружить цепочки, структурно похожие на молекулы карбина – крайне нестабильную твёрдую фазу углерода, синтезировать которую у химиков получается лишь в очень специфических условиях.
Полученные данные о жидкой фазе углерода важны не только с практической точки зрения, например для поиска новых методов высокотемпературного синтеза углеродных наночастиц, но и для фундаментальной науки: углерод при экстремальных температурах и давлениях – нередкий гость в задачах астрофизики.
По материалам МФТИ.