铸铁的熔点是1200℃左右，不锈钢在1520℃左右熔化。如果你想用这些材料制造日常用品，比如厨房里的煎锅或医生使用的手术工具，自然就需要能经受住这些极端温度的熔炉和模具。

这就是耐火氧化物的用途。这些陶瓷材料可以承受酷热并保持形状，所以可以用于制造从窑炉、核反应堆到航天器上的隔热瓦等各种物品。但它们所置身的环境往往很危险，所以科学家们希望尽可能多地了解高温下它们可能产生的变化。

样本是一个悬浮器喷嘴，激光加热25-3000℃。在用X射线检查其结构前，用惰性气体将材料小球悬浮在空气中，再用激光加热其顶端（来源：Ganesh Sivaraman/阿贡国家实验室）

“并不是说人类不伟大，但如果能够得到计算机和软件的帮助，我们就可以更伟大。它们为更多的此类实验打开了大门，推动了科学的发展。”阿贡国家实验室智能材料设计项目负责人Marius Stan表示。

美国能源部阿贡国家实验室的研究小组利用创新的实验技术和计算机模拟法设计了一种方法，不仅可以获得这些材料在熔点附近发生结构变化的精确数据，还可以更准确地预测出其他变化。该团队的这项研究成果发表在了《物理评论快报》上。

这次合作的“种子”是Marius Stan种下的，他是阿贡国家实验室应用材料部门智能材料设计项目负责人。Stan的团队已经开发了许多关于耐火氧化物熔点的模型和模拟，但需要测试。“关键是想看看我们的数学模型和模拟是否可以实现。现在它已经演变成了一项机器学习研究。最令人兴奋的是现在有了一种可以自动预测原子间相互作用的方法。”Stan说。

该论文第一作者、阿贡国家实验室数据科学与学习部门助理计算科学家Ganesh Sivaraman表示：这项创新研究是从一个熟悉的测试脚本开始的。他在美国能源部科学用户设施办公室设立的阿贡领先计算设施（ALCF）项目中作博士后时完成了那项工作。

虽然大多数实验都是从理论模型开始的，基本上就是对现实条件下会发生什么事的一种有根据的猜测，但研究小组仍希望从实验数据开始，并以此为基础设计模型。Sivaraman讲了一个故事，一位著名的德国数学家想学游泳，于是他拿起一本游泳书读了起来。Sivaraman说，在不考虑实验数据的情况下创造理论，就像只读游泳书，从来没进过泳池。阿贡团队希望纵身跃入“深水区”。

“围绕实验数据建立的模型更准确，”Sivaraman说，“它让模型更接近现实。”为了获得这些数据，计算科学家们与物理学家Chris Benmore，以及阿贡实验室X射线科学部的助理物理学家Leighanne Gallington进行合作。Benmore和Gallington正在研究高级光子源（APS）项目，也是美国能源部科学用户设施办公室的项目。高级光子源会产生非常明亮的X射线束，照亮材料结构及其他东西。科学家们在实验中使用的光束线能够检测极端条件下（如高温）材料的局部结构及长程结构。

当然，加热难熔氧化物，此案例中是二氧化铪，二氧化铪的熔点是2870℃左右，有其复杂之处。通常需要将样本存放于一个容器内，但没有一个容器既能承受这样的高温，同时还能让X射线通过。甚至不能把样品放在桌子上，因为桌子会在样品熔化前熔化。解决方案就是空气动力悬浮，比如科学家用惰性气体将一个（直径2mm-3mm）的材料样本小球悬浮在空中，大约1mm。

Gallington说：“我们有一个与惰性气体流相连的喷嘴，在它使样品悬浮后，再用400W的激光从上面加热材料。需要调整气流，让它稳定地悬浮。高度不能太低，才能避免样品接触到喷嘴，将它熔化。”

一旦得到数据，使用光束线的科学家们就能较好地了解氧化铪熔化时会发生什么，然后计算机科学家就可以把数据运行起来。Sivaraman将数据输入两套机器学习算法，其中一套理解理论并做出预测，另一套则是主动学习算法，充当教学助手，只负责为第一套算法提供最有趣的数据。

“主动学习算法可以帮助其他类型的机器学习算法用更少的数据学习，”Sivaraman解释说：“比如从你家去市场可能有很多路线，但你只需要知道最短的路线。主动学习算法会指出最短的那条，过滤掉其他的。”
计算是在阿贡国家实验室ALCF和实验室计算资源中心的超级计算机上运行的。最终，这个团队得到了一个基于真实数据的计算机生成模型，让他们可以预测实验人员没有或无法捕捉到的东西。

“我们现在有了一个叫作多种可能性的模型，可以预测很多事情。我们现在可以给出其他参数，比如它在高温下是如何保持形状的，这是之前测不出的。还可以推测温度升到超出我们目前能够制造的温度之外，它的性状可能发生什么改变。”Benmore说。Benmore补充道：“模型的好坏取决于你提供的数据，数据越多，模型越好。我们提供尽可能多的信息，以产生更好的模型。”

Sivaraman将这项工作描述为可以反馈到进一步实验中的概念证明。他说，这是一个很好的例子，体现了阿贡实验室不同领域的合作，也是一项没有国家实验室资源就无法完成的研究。

“我们将在其他材料上重复这个实验，”Sivaraman说：“高级光子源（APS）项目的同事拥有研究这些材料如何在极端条件下熔化的基础设施，我们正在与计算机科学家们合作构建软件和流媒体架构，以快速处理这些数据集。我们可以将主动学习纳入框架，并教模型使用ALCF超级计算机，更有效地处理数据流。”

Stan认为，这样的概念证明可能会取代人类为了精确计算所做的那些枯燥工作。他在职业生涯中见证了这项技术的发展，过去需要几个月才能完成的计算工作，现在只需几天即可。“并不是说人类不伟大，”他笑着说，“但如果能够得到计算机和软件的帮助，我们就可以变得更伟大。它为更多的此类实验打开了大门，推动了科学的发展。”