天文学新闻动态揭秘稠密氢深度变分自由能新突破
在宇宙的广阔领域中，氢以其独特的形式展现着无尽的奥秘。它不仅是最丰富元素，也是周期表上最为简单的一员。在常规温度和压力下，氢以气态分子的形态存在，但在极端条件下，如巨行星内核或聚变实验中，它演变成更加复杂、多样的相图，其中可能包含原子液体、金属氢、高温超导乃至液态超导等。这一切都是稠密氢（及其同位素）的奇迹，其质子与电子比例之所以重要，是因为它构成了一个简单而纯净的量子多体系统。因此，精确预测稠密氢相图和状态方程，便成为发展第一性原理计算方法的试金石。
最近，一组来自中国科学院物理研究所/北京凝聚态物理国家研究中心凝聚态理论与计算重点实验室T02组博士研究生谢浩、李子航，以及王磊研究员，他们合作伙伴包括北京应用物理与计算数学研究所的王涵研究员，以及深势科技/北京科学智能研究院的峰博士，不断探索新技术，以解决这一难题。他们开发了一套基于深度学习技术的变分自由能计算方法，并成功地将其应用于处于原子液体相境遇下的稠密氢体系。
这项创新方法采用正则化流模型来表示质子的玻尔兹曼分布，同时使用费米子神经网络来描述给定质子构型时多电子波函数。通过联合变分优化两种神经网络，最小化体系自由能，从而精确地估计出状态方程。此举不仅结合了近年来的深度生成模型和神经网络波函数进展，而且能够直接估计热力学熵，这对于行星建模等实际应用具有显著便利性。而通过适当扩展，该深度变分自由能方法还能够处理有限温效应以及核量子效应，为更全面地认识稠密氢所处基本物质状态提供了可能性。
该团队得到了关于这一工作最新结果：在6000K温度和1.38g/cm3密度下的稠密氢体系中的能量、熵及压强数据。此成果已发表于《物理评论快报》Phys. Rev. Lett. 131, 126501 (2023)，并且可通过链接https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.131.126501进行查阅。本次项目获得了中科院先导项目（Grants No.XDB0500000, XDB30000000）以及国家自然科学基金项目（Grants No. 92270107,12188101,12122103,T2225018,T2121001）的支持。如果想了解更多细节，可参考王磊在加拿大圆周理论物理研究所报告https://pirsa.org/23060041，或访问开源程序实现https://github.com/fermiflow/hydrogen进行进一步探究。