Forskere ved Universidade av Pequim har avslørt atomstrukturen til det forsmeltede laget i isen ved å bruke en kombinasjon av kunstig intelligens og atomkraftmikroskopi. Studien, publisert i Physical Review X i desember 2025, identifiserte et solid amorft lag ved temperaturer under null. Essa oppdagelse løser en gåte observert av Michael Faraday for over 170 år siden.
Laget dannes selv under ekstreme kalde forhold og utvikler seg gradvis til en nesten flytende tilstand når temperaturen stiger. Den innovative teknikken overvinner begrensningene til tradisjonelle metoder og lar komplekse tredimensjonale strukturer rekonstrueres.
Forskere ved Universidade av Pequim var i stand til å kartlegge isoverflaten på atomnivå ved å integrere atomkraftmikroskopi (AFM) med maskinlæringsalgoritmer. Fenomenet pre-melt, et tynt væskelignende lag på overflaten av is under 0°C, har fascinert forskere siden observasjoner av Michael Faraday på 1800-tallet.
Innovasjonen gjorde det mulig å rekonstruere tredimensjonale strukturer fra ufullstendige AFM-data. Algoritmen ble trent med simuleringer av molekylær dynamikk som inkluderte ekte støy fra eksperimenter.
- Teknikken oppdager små variasjoner i kraft med en følsom mikroskopisk spiss.
- Realistiske simuleringer hjalp til med å tolke utfordrende signaler på ujevne overflater.
- Metoden overvinner barrierer for konvensjonelle teknikker for uordnede grensesnitt.
Historisk opprinnelse til gåten
Michael Faraday la merke til for mer enn 170 år siden at isblokker kleber sammen selv ved minusgrader på grunn av et fuktig overflatelag. Esse pre-melt påvirker prosesser som friksjon i is, kjemiske reaksjoner i atmosfæren og vevskonservering ved lave temperaturer.
Til tross for dens relevans for felt som kryokonservering og atmosfærisk kjemi, forble den molekylære strukturen til dette laget ukjent til nå. Tidligere Estudos bekreftet eksistensen av laget, men avslørte ikke dets nøyaktige atomorganisering.
Metodikk brukt i studien
Forskere brukte høyoppløselig AFM for å skanne isflater ved kontrollerte temperaturer. Deretter brukte de maskinlæring trent på tusenvis av molekylære simuleringer.
Trening inkluderte realistiske variasjoner for å håndtere eksperimentell støy. Isso tillot å forutsi og rekonstruere atomdetaljer som er usynlige i direkte AFM-bilder.
Forsøkene fant sted i temperaturområder mellom -152°C og -93°C. Ved Nesses-nivåer viste overflaten gradvis overgang fra fast krystallinsk til uordnet tilstand.
Identifisert amorft lag
Hovedfunnet var et amorft overflatelag, der vannmolekyler mister sin typiske krystallinske orden, men opprettholder solid oppførsel. Essa-laget viser sterk topologisk forstyrrelse og solid-lignende dynamikk.
Når temperaturen øker, utvikler den seg til et nesten flytende lag. Det amorfe laget vises foran det tradisjonelt beskrevne kvasilitiske laget.
Denne mellomfasen tilbakestiller forsmelteprosessen. Ela forklarer hvordan isoverflaten gradvis forvandles under ekstreme forhold.
Detaljer om den observerte overgangen
Ved svært lave temperaturer opprettholder isen en sekskantet krystallinsk struktur. Acima av visse terskler, er det amorfe laget dannet med uorganiserte molekyler på atomnivå.
Tykkelse og uorden vokser med oppvarmingen. Próximo til smeltepunktet, vises mer væskeoppførsel.
- Intens topologisk lidelse i det amorfe laget.
- Solid dynamikk bevart til tross for tap av krystallinitet.
- Kontinuerlig utvikling til kvasilivæske tilstand.
- Påvirkning på egenskaper som vedheft og friksjon.
Anvendelser av den nye teknikken
Maskinlæringsrammeverket for AFM åpner dører for å studere komplekse grensesnitt utover isen. Ele lar deg undersøke faseoverganger og defekter i materialer med atompresisjon.
Forskere fremhever potensial innen områder som katalyse, funksjonelle materialer og biologiske systemer. Tilnærmingen kan analysere ioneløsning og biomolekylær gjenkjennelse.
Verktøyet representerer et betydelig fremskritt i karakteriseringen av uordnede overflater. Ela forenkler studier på tidligere utilgjengelige atomskalaer.
Relevans for dagligdagse fenomener
Forsmelting forklarer hvorfor isen er glatt selv ved minusgrader, som når du skater. Overflatelaget reduserer friksjonen ved å fungere som et naturlig smøremiddel.
Å forstå dens molekylære struktur hjelper med å modellere is- og atmosfæriske prosesser. Isso bidrar til mer nøyaktige spådommer om klimaendringer i polare strøk.
Oppdagelsen forsterker viktigheten av hybridteknikker mellom eksperimenter og beregning. Ela demonstrerer hvordan AI akselererer løsningen av historiske vitenskapelige problemer.