Om du applicerar tillräckligt med värme, någon gång smälter det mesta, precis som glass en varm sommardag.

Att känna till exakta smälttemperaturer är avgörande för att bygga alla högpresterande material. Byggandet och säkerheten för broar, gasturbiner, jetmotorer och värmesköldar på flygplan är beroende av att man känner till materialprestandagränserna. Material syntetiseras eller bearbetas ofta med smält eller flytande tillstånd, så att veta att smältning är avgörande för att göra nya material.

Byt till fältet för jord- och planetvetenskap, och smältpunkterna används för att avslöja ledtrådar om jordens förflutna och egenskaperna hos planeter i vårt solsystem och exoplaneter som kretsar långt utanför.

Men att mäta smälttemperaturen för en förening eller ett material är en mödosam uppgift. Det är därför, av de uppskattade 200 000 plus oorganiska föreningarna, mindre än 10 % av deras smälttemperaturer är kända.

Smälttemperaturer mäts ofta efter noggrann kalibrering av kristallstrukturer eller plottning av de termodynamiska fria energikurvorna när ett material smälter, vilket skapar en fasförändring från fast till vätska. Detta är analogt med smältning av fast is för att bilda flytande vatten. Men när högtemperaturmaterial överstiger 2 000 eller 3 000 grader kan det vara en utmaning att hitta en experimentkammare för att göra mätningarna. Och ibland har stenar komplexa blandningar av mineraler som inte är mycket större än ett sandkorn - så att få tillräckligt med prov av ett enda mineral kan också vara en utmaning. Material som syntetiserats under extrema förhållanden med högt tryck och temperatur är också ofta tillgängliga i mycket små mängder.

Nu har forskarna Qi-Jun Hong, Alexandra Navrotsky och Sergey Ushakov från Arizona State University, tillsammans med Axel van de Walle vid Brown University, utnyttjat kraften i artificiell intelligens (AI), eller maskininlärning (ML), för att demonstrera ett enklare sätt för att förutsäga smälttemperaturer för eventuell förening eller kemisk formel.

"Vi använder maskininlärningsmetoder för att fylla denna lucka genom att bygga en snabb och exakt kartläggning från kemisk formel till smälttemperatur", säger Hong, biträdande professor vid School for Engineering of Matter, Transport and Energy, inom Ira A. Fulton Schools of Ingenjörsvetenskap.

"Den modell vi har utvecklat kommer att underlätta storskalig dataanalys som involverar smälttemperatur inom ett brett spektrum av områden. Dessa inkluderar upptäckten av nya högtemperaturmaterial, utformningen av nya extraktiva metallurgiprocesser, modellering av mineralbildning, evolutionen av jorden över geologisk tid, och förutsägelsen av exoplanetstruktur."

Hongs tillvägagångssätt gör att smälttemperaturer kan beräknas i millisekunder för vilken förening eller kemisk formel som helst. För att göra det byggde forskargruppen en modell från en arkitektur av neurala nätverk och tränade sitt maskininlärningsprogram på en skräddarsydd databas som omfattar 9 375 material, av vilka 982 föreningar har smälttemperaturer högre än brännande 3100 grader Fahrenheit (eller 2000 grader Kelvin). Material vid denna temperatur lyser vitglödande.

Hong använde denna metod för att utforska två forskningslinjer:1) förutsäga smälttemperaturerna för nästan 5 000 mineraler och 2) hitta nya material som har extremt höga smälttemperaturer över 3 000 Kelvin (eller 5 000 grader Fahrenheit).

För mineralprojektet kunde Hongs team förutsäga smälttemperaturer och korrelera dessa med de kända stora geologiska epokerna i jordens historia. Dessa smälttemperaturer som erhålls av AI applicerades på mineraler som tillverkats sedan jorden bildades för cirka 4,5 miljarder år sedan. De äldsta mineralerna härstammar direkt från stjärnor eller kondensat från interstellära och solnebulosor som föregick jordens bildning för 4,5 miljarder år sedan. Dessa är de mest eldfasta, med smälttemperaturer runt 2600 F.

För det mesta skedde en gradvis minskning av de beräknade smälttemperaturerna för mineraler som identifierats på jorden under senare tid, med två stora undantag.

"Den gradvisa totala minskningen av smälttemperaturen för mineraler som bildats under jordens historia avbryts med två anomalier, som är tydligt uttalade i medel- och medelsmältningstemperaturer med hjälp av binning för 250 eller 500 miljoner år sedan", säger Navrotsky, en ASU-professor med gemensam fakultet utnämningar i School of Molecular Sciences och School for Engineering of Matter, Transport and Energy och chef för MOTU, Navrotsky Eyring Center for Materials of the Universe.

Den första anomalien i jordens tidiga historia kom från en dramatisk temperaturökning orsakad av en skrämmande och dynamisk tid av stora meteorangrepp, inklusive månens eventuella bildning.

"Piken för 3,750 miljarder år sedan korrelerar med den föreslagna tidpunkten för sent tunga bombardement, hypotesen uteslutande från datering av månprover och för närvarande diskuterad", sa Navrotsky.

Teamet noterade också en stor temperatursänkning i smälttemperaturen för mineraler för cirka 1,75 miljarder år sedan.

"Doppet för 1,750 miljarder år sedan är relaterat till de första kända förekomsterna av ett stort antal vattenhaltiga (vattenhaltiga) mineraler och korrelerar med Huronian-glaciationen, den längsta istiden som tros vara första gången jorden var helt täckt av is ."

Med deras maskininlärningsprogram utbildat för att framgångsrikt replikera mineralsmältning i jordens tidiga historia, vände teamet därefter sin uppmärksamhet mot att hitta nya material som har extremt höga smälttemperaturer. Dussintals nya material har identifierats och beräkningsmässigt förutspåtts ha extremt höga smälttemperaturer över 5 000 grader Fahrenheit (3 000 Kelvin), mer än hälften av temperaturen på solens yta.

Teamet gjorde sin modell tillräckligt enkel och pålitlig så att alla användare kan få smälttemperaturen inom några sekunder för vilken förening som helst baserat enbart på dess kemiska formel.

"För att använda modellen måste en användare besöka webbsidan och mata in den kemiska sammansättningen av materialet av intresse", sa Hong. "Modellen kommer att svara med en förutspådd smälttemperatur på sekunder, såväl som de faktiska smälttemperaturerna för de närmaste grannarna (dvs de mest lika materialen) i databasen. Den här modellen fungerar alltså inte bara som en prediktiv modell, utan en handbok för smälttemperatur också."

Modellen, som drivs av ASU:s Research Computing Facilities, är nu allmänt tillgänglig på ASU:s webbsida:https://faculty.engineering.asu.edu/hong/melting-temperature-predictor/.

Forskningen publicerades i Proceedings of the National Academy of Sciences . + Utforska vidare

Forskare förbereder nytt lågsmältande, kväveinnehållande tenn(II)klorfosfatglas