#跟著科學生讀國二 #溫故知新 H 的同位素有三種,分別是氫 (H)、氘 (D)、氚 (T),在這之中,如果拿氘取代水中的氫原子,便會得到所謂的「重水」。
如果我們把「重水」喝下肚,究竟會發生什麼事呢?基本上,喝下少量的重水並不至於影響身體運作機能,但大量飲用可就不好說了......
首先,人體內若是充滿重水,可能會改變酵素的活性,致使我們體內的許多基本反應中斷、失常;另一方面則會影響體內的細胞分裂。不過也不必太擔心,若要達到這種程度的傷害,體內的重水濃度得達 25~50 % 左右。
接下來考考你:人體中的水分約占總重 7 成。假設今天有一位體重 60 公斤左右的成人,他因為誤喝大量重水而造成身體機能方面的損傷,那麼他體內的重水可能在多少公斤以上?
你是學校或補習班老師嗎?還是家裡的孩子正在讀國中呢?
想指導孩子,卻沒有適合閱讀的教材嗎?
快訂閱科學生電子報,專業內容、素養試題,隨時替你掌握:https://lihi1.com/rC4cB
※本文同步收錄於 科學生 平台※
泛科學 x 南一‧幸福升學!x 科學月刊 Science Monthly《科學生線上學習平台》
氫原子 密度 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
用深度神經網路求解「薛丁格方程式」,AI 開啟量子化學新未來
作者 雷鋒網 | 發布日期 2021 年 01 月 02 日 0:00 |
19 世紀末,量子力學的提出為解釋微觀物質世界打開了一扇大門,徹底改變了人類對物質結構及相互作用的理解。已有實驗證明,量子力學解釋了許多被預言、無法直接想像的現象。
由此,人們也形成了一種既定印象,所有難以理解的問題都可以透過求解量子力學方程式來解決。
但事實上能夠精確求解方程式的體系少之又少。
薛丁格方程式是量子力學的基本方程式,即便已經提出七十多年,它的氫原子求解還是很困難,超過兩個電子的氫原子便很難保證精確度。
不過,多年來科學家們一直在努力克服這一難題。
最近,來自柏林自由大學(Freie Universität Berlin) 的科學團隊取得了突破性進展,他們發表的一篇名為《利用深度神經網路解電子薛丁格方程式》的論文,登上《Nature Chemistry》子刊。
論文明確指出:利用人工智慧求解薛丁格方程式基態解,達到了前所未有的準確度和運算效率。該人工智慧即為深度神經網路(Deep-neural-network),他們將其命名為 PauliNet。
在介紹它之前,我們先來簡單了解薛丁格方程式。
什麼是薛丁格方程式?
薛丁格方程式(Schrödinger Equation),是量子力學中的一個基本方程式。又稱薛丁格波動方程式(Schrödinger Wave Equation),它的命名來自一位名為埃爾溫·薛丁格(Erwin Schrödinger)的奧地利物理學家。
Erwin 曾在 1933 年獲得諾貝爾物理學獎,是量子力學奠基人之一。他在 1926 年發表的量子波形開創性論文中,首次提出了薛丁格方程式。它是一個非相對論的波動方程式,反映了描述微觀粒子的狀態隨時間變化的規律。
具體來說,將物質波的概念和波動方程式相結合建立二階偏微分方程式,以描述微觀粒子的運動,每個微觀系統都有一個相應的薛丁格方程式,透過「解方程式」可得到波函數的具體形式以及對應的能量,從而了解微觀系統的性質。
薛丁格方程式在量子力學的地位,類似牛頓運動定律在經典力學的地位,在物理、化學、材料科學等多領域都有廣泛應用價值。
比如,應用量子力學的基本原理和方法研究化學問題已形成「量子化學」基礎學科,研究範圍包括分子的結構、分子結構與性能之間的關係;分子與分子之間的相互碰撞、相互作用等。
也就是說,在量子化學,透過求解薛丁格方程式可以用來預測出分子的化學和物理性質。
波函數(Wave Function)是求解薛丁格方程式的關鍵,在每個空間位置和時間都定義一個物理系統,並描述系統隨時間的變化,如波粒二象性。同時還能說明這些波如何受外力或影響發生改變。
以下透過氫原子求解可得到正確的波函數。
不過,波函數是高維實體,使捕獲特定編碼電子相互影響的頻譜變得異常困難。
目前在量子化學領域,很多方法都證實無法解決這難題。如利用數學方法獲得特定分子的能量,會限制預測的精確度;使用大量簡單的數學構造塊表示波函數,無法使用少數原子進行計算等。
在此背景下,柏林自由大學科學團隊提出了一種有效的應對方案。團隊成員簡‧赫爾曼(Jan Hermann)稱,到目前為止,離群值(Outlier)是最經濟有效的密度泛函理論(Density functional theory ,一種研究多電子體系電子結構的方法)。相比之下,他們的方法可能更成功,因在可接受計算成本下提供前所未有的精確度。
PauliNet:物理屬性引入 AI 神經網路
Hermann 所說的方法稱為量子蒙地卡羅法。
論文顯示,量子蒙地卡羅(Quantum Monte Carlo)法提供可能的解決方案:對大分子來說,可縮放和並行化,且波函數的精確性只受 Ansatz 靈活性的限制。
具體來說,團隊設計一個深層神經網路表示電子波函數,這是一種全新方法。PauliNet 有當成基準內建的多參考 Hartree-Fock 解決方案,結合有效波函數的物理特性,並使用變分量子蒙地卡洛訓練。
弗蘭克‧諾(Frank Noé)教授解釋:「不同於簡單標準的數學公式求解波函數,我們設計的人工神經網路能夠學習電子如何圍繞原子核定位的複雜模式。」
電子波函數的獨特特徵是反對稱性。當兩個電子交換時,波函數必須改變符號。我們必須將這種特性構建到神經網路體系結構才能工作。
這類似包立不相容原理(Pauli’s Exclusion Principle),因此研究人員將該神經網路體系命名為「PauliNet」。
除了包立不相容原理,電子波函數還具有其他基本物理特性。PauliNet 成功之處不僅在於利用 AI 訓練數據,還在將這些物理屬性全部整合到深度神經網路。
對此,FrankNoé 還特意強調說:
「將基本物理學納入 AI 至關重要,因為它能夠做出有意義的預測,這是科學家可以為 AI 做出有實質性貢獻的地方,也是我們關注的重點。」
實驗結果:高精確度、高效率
PauliNet 對電子薛丁格方程式深入學習的核心方法是波函數 Ansatz,它結合了電子波函數斯萊特行列式(Slater Determinants),多行列式展開(Multi-Determinant Expansion),Jastro 因子(Jastrow Factor),回流變換(backflow transformation,),尖點條件(Cusp Conditions)以及能夠編碼異質分子系統中電子運動複雜特徵的深層神經網路。如下圖:
論文中,研究人員將 PauliNet 與 SD-VMC(singledeterminant variational,標準單行列式變分蒙地卡羅)、SD-DMC(singledeterminant diffusion,標準單行列式擴散蒙地卡羅)和 DeepWF 進行比較。
實驗結果顯示,在氫分子(H_2)、氫化鋰(LiH)、鈹(Be)以及硼(B)和線性氫鏈 H_10 五種基態能量的對比下,PauliNe 相較於 SD-VMC、SD-DMC 以及 DeepWF 均表現出更高的精準度。
同時論文中還表示,與專業的量子化學方法相比──處理環丁二烯過渡態能量,其準確性達到一致性的同時,也能夠保持較高的計算效率。
開啟「量子化學」新未來
需要說明的是,該項研究屬於一項基礎性研究。
也就是說,它在真正應用到工業場景之前,還有很多挑戰需要克服。不過研究人員也表示,它為長久以來困擾分子和材料科學的難題提供了一種新的可能性和解決思路。
此外,求解薛丁格方程式在量子化學領域的應用非常廣泛。從電腦視覺到材料科學,它將會帶來人類無法想像的科學進步。雖然這項革命性創新方法離落地應用還有很長的一段路要走,但它出現並活躍在科學世界已足以令人興奮。
如 Frank Noé 教授所說:「相信它可以極大地影響量子化學的未來。」
附圖:▲ Ψ 表示波函數。
資料來源:https://technews.tw/2021/01/02/schrodinger-equation-ai/?fbclid=IwAR340MNmOkOxUQERLf4u3SK0Um6VQVBpvEkV_DxyxIIcUv8IP88btuXNJ6U
氫原子 密度 在 每日一冷 Facebook 的最讚貼文
感到 #心冷?沒問題的,因為【太陽的心比你的心更「冷」!】#本日冷知識1540
蛤?
太陽的核心,可是堂堂的一千五百萬℃,區區三十六度半的人體怎能相提並論呢。彷彿聽到有這樣的異議。(讀者A?!)
太陽核心是以核融合產能。在高壓高溫的太陽核心,每秒鐘就有大約六億噸的氫融合成氦原子核,但這過程中總質量減少了 0.74%,代入那個最有名的公式 E=mc^2 失去的質量一下子化成了能量溢出:高達每秒 3.8 萬兆兆焦耳.....若換算成一份一千大卡的炸雞腿便當,大約是每秒發 9.2 千萬兆份便當。
*以上因為數字實在太大,超乎了日常的數字概念,根本是毫無意義的換算 XD
其實,核融合反應實在是非常稀少,不但極不容易發生,在那巨大一鍋電離的熾熱氫氦電漿濃湯之中,只有微不足道比例的氫原子碰撞能完成融合。
換言之,一個反直覺的事實是太陽的「基礎代謝率」其實非常非常非常之低(標題「冷」的意思)。曾有物理學家言道,太陽和宇宙中的其他恆星居然能產生任何熱能,大概是最為近乎奇蹟的物理過程了 [相關軼聞=見留言區]。
在人體,基礎代謝率指的是完全不活動的休止狀態下人體消耗氧氣,燃燒醣類/脂質/蛋白質,最後釋放的熱量大小。若要比較人體和太陽,這兩個質性天差地別的東西,只能靠數學這可靠老法寶。
根據目前共識的物理模型,太陽的核心=正中央,每立方公尺中每秒會產出 276.5 焦耳的能量,也就是 276.5 瓦/m³。太陽核心的溫度和壓力都是最大的,是核融合效率最高的地方,畢竟核融合的同義詞又叫做「熱核反應」嘛,熱到核都融了 XD
但......欸,太陽核心耶,產能的「密度」卻只有 276.5 瓦,用心感覺一下,這數字簡直低到不可思議。做為比較,一個約 60 公斤的肥宅什麼事都不做,光是躺著呼吸每秒就會散發約 80 焦耳的熱量。換算約一立方公尺 1300 瓦。贏了!約是太陽約四倍,遠勝。
純屬好玩,我再找一些數據作伙大車拼:說起最能把選手操到變超級賽亞人的職業運動,大概就是自由車。運動醫學已經建立了詳盡的測量自由車選手生理數據的方法——基本上就是請選手戴呼吸面罩騎車,測量氧氣的消耗量就可以換算出代謝率。跳結論,自由車手中的佼佼者,尖峰代謝率可以一舉提升至基礎值的 5 倍的 BUFF!整個人體超燃、爆出約 400 瓦的功率。達到了太陽核心的 20 倍。#東河馬之手
另外,與我們的直覺相反,人體最耗能的器官並不是肌肉......顯示為遙望館長之肩。肌肉只是可以占身體很大比例重,因此總體可以貢獻更大的產能而已。
論起每單位重的耗能,器官中的佼佼者其實是它 → 撲通撲通董茲董茲的心臟。還有幾乎與心臟打平的,竟是腎臟。它們倆都是滿腔熱血,也得必須泵/過濾處理超多熱血,非常之繁忙,因此自然是超級耗能密集。
來人啊!上數據。心臟啾竟四有多耗能?每單位重的心臟耗能是——身體耗能平均值的 18 倍!但只是因為心臟只小小一顆,貢獻的總量不多罷了。
腦子雖然也是高耗能,但其代謝倍率只有心臟的約一半,但人腦很大很重(通常而言啦),就貢獻了代謝的一大塊惹。總體來說大腦占了人體約兩成的代謝,心臟則占了 8%,和腎臟大致與心臟相等。
總之,以體積來算的話,各位讀者出社會太久而已經冰冷的心臟在「代謝率」也就是產熱方面,仍然比太陽的內心溫暖了 4×18 = 72 倍左右。要比心冷大家來比啊!喔喔。#北風與太陽的故事(X
太陽之所以能保持溫度上的超級灼熱,完全只是依賴太陽的體積和質量實在是難以想像的大,熱量匯聚加總起來超級無敵驚人罷了。也有相對表面積小,難以散熱的因素在內。胖子都怕熱的物理學。
如果本文這一堆怪奇數據能告訴我們一件事,那大約就是暗示說:原子核實在非常非常非常非常非常非常非常非常不樂意發生融合反應。君不見,即使是在太陽核心,那麼大的重力對氫原子輾壓擊打,卻都只會發生效率相對差勁、溫溫吞吞的核融合而已。
今天人類想在地球上創造一個電磁瓶子,裝下一團比太陽核心熱十倍以上的氘電漿(質量遠不夠太陽,用溫度彌補。此外氘也比氫容易融合,氚更容易但就是含量少)。並期待它們發生融合,實在是件100億%超困難的事。
我就不特地提蜘蛛人2那成功輕易到幾乎可笑的核融合裝置了——它甚至還有「失控危險」咧——那麼方便的科技給我來一點啊魂淡。
FIN
by 科宅
參考資料《太陽科學:一千五百萬度的探索之旅》作者:葛琳 (2018) 貓頭鷹書房。
圖片 Frozen heart by ghoner (2006)
www. deviantart. com /ghoner/art/Frozen-heart-27396219