摘要：哥伦比亚大学科学家在一块有着300年历史的德国陨石中发现了一种违背传统热传导规律的奇异材料，这种名为鳞石英的矿物展现出前所未见的热传导特性——其热导率在大幅温度变化中保持恒定，而非如常规材料那样随温度升降而变化。这一发现不仅挑战了材料科学的基本认知，更为钢铁工
哥伦比亚大学科学家在一块有着300年历史的德国陨石中发现了一种违背传统热传导规律的奇异材料，这种名为鳞石英的矿物展现出前所未见的热传导特性——其热导率在大幅温度变化中保持恒定，而非如常规材料那样随温度升降而变化。这一发现不仅挑战了材料科学的基本认知，更为钢铁工业的节能减排和航天隔热技术的突破开辟了全新路径。研究团队通过人工智能驱动的量子力学计算首先预测了这种材料的存在，随后通过实验验证了理论预期，展现了现代科学研究中理论与实验完美结合的典型范例。
哥伦比亚大学工程学院应用物理和应用数学助理教授米歇尔·西蒙切利领导的研究团队，运用机器学习方法从量子力学第一性原理出发，成功预测了这种混合晶体-玻璃材料的热传导行为。这种材料既非完全的晶体结构，也非完全的玻璃态，而是介于两者之间的独特形态，其原子排列具有部分有序性和部分无序性的混合特征。
一种源自陨石的矿物兼具晶体和玻璃的特性，打破了已知的热传导规律。通过人工智能驱动的研究发现，这种矿物的恒定热流可能会改变从炼钢到航天技术等各个行业。（艺术家概念图）图片来源：SciTechDaily.com
研究的实验验证过程颇具戏剧性。法国巴黎索邦大学的实验团队在获得巴黎国家自然历史博物馆的特殊许可后，从1724年降落在德国施泰因巴赫的陨石样本中提取了鳞石英材料进行测试。实验结果完美印证了理论预测：在80开尔文至380开尔文的温度范围内，这种陨石鳞石英的热导率基本保持不变，展现出类似于"因瓦效应"的恒定性质。
热传导机制的科学突破
传统材料科学理论认为，晶体和玻璃在热传导方面表现出截然相反的特性。晶体材料由于其有序的原子晶格结构，热导率通常随温度升高而降低；而玻璃材料因其无序的非晶结构，热导率在加热时会增加。这种差异源于热量在量子水平上的传播机制不同。
西蒙切利团队在2019年就推导出了一个统一方程，能够同时描述晶体和玻璃中观察到的相反热导率趋势，更重要的是，该方程还能描述有缺陷或部分无序材料的中间行为。这一理论突破为理解用于废热回收的热电材料、钙钛矿太阳能电池和航天隔热涂层等先进材料的热传导特性提供了坚实基础。
材料原子结构无序性的增加会影响宏观热传导——这是热管理技术的关键特性。研究的材料包括晶体陨石鳞石英（左）、具有晶体键序和非晶态键几何结构的鳞石英相（中）以及完全非晶态的二氧化硅玻璃（右）。红色代表氧（O），蓝色代表硅（Si），常见的SiO4四面体排列以蓝色阴影突出显示。图片来源：西蒙切利实验室
利用这一统一理论框架，研究团队深入研究了二氧化硅材料中原子结构与热导率之间的复杂关系。二氧化硅作为沙子的主要成分，在自然界中广泛存在，但其特殊的鳞石英形式在陨石中的发现为材料科学研究提供了珍贵样本。
这种独特的热传导行为在物理学上具有重要意义，它类似于1920年诺贝尔物理学奖表彰的因瓦效应，即某些材料在温度变化时保持尺寸稳定的特性。鳞石英在热传导方面的恒定性为开发具有稳定热管理性能的新材料提供了理论指导和实际参考。
工业应用的巨大潜力
这一发现的工业应用价值不容忽视，特别是在钢铁工业的节能减排方面。研究团队进一步预测，类似的材料可能在炼钢炉耐火砖经过长达十年的热老化过程中形成。钢铁作为现代工业的基础材料，其生产过程却是能源密集型和碳排放密集型的：生产每公斤钢铁约产生1.3公斤二氧化碳，全球每年近10亿吨的钢铁产量约占美国碳排放量的7%。
利用从鳞石英研究中获得的知识，科学家们有望开发出更高效的高温控制材料，从而提高钢铁生产过程的能源效率，减少行业整体碳足迹。这种改进对于实现全球气候目标具有重要意义。
在航天技术领域，这种恒定热导性材料同样具有巨大应用潜力。航天器在太空环境中面临极端温差变化，从阳光直射的高温到阴影区域的超低温，温差可达数百度。传统隔热材料在如此巨大的温差下往往性能不稳定，而具有恒定热导性的新材料可能为下一代航天隔热系统提供革命性解决方案。
人工智能驱动的材料发现
这项研究还展示了人工智能在材料科学研究中的强大潜力。西蒙切利团队运用机器学习方法克服了传统第一性原理计算的瓶颈，以量子级精度模拟了影响热传输的原子特性。这种AI驱动的研究方法不仅提高了计算效率，还能够处理传统方法无法解决的复杂多体问题。
研究团队正在将这一方法扩展到其他物理现象的研究中，包括载电荷电子和载自旋磁振子的行为。这些研究主题正在塑造包括热电可穿戴设备、神经形态计算和自旋电子器件在内的新兴技术。
西蒙切利的研究团队围绕三个核心支柱开展工作：制定第一性原理理论预测实验可观测量、开发AI模拟方法定量预测材料特性，以及应用理论方法设计和发现材料以解决特定工业或工程挑战。这种系统性的研究方法为未来材料科学的发展提供了新的范式。
来源：人工智能学家