近日，來自Skoltech和俄羅斯科學院烏拉爾分院高溫電化學研究所的研究團隊宣布，他們已成功開發并測試了一種機器學習模型，該模型能夠精確計算熔鹽的物理性質，同時充分考慮溫度因素的影響。這一研究成果有望為冶金行業帶來革新，并可能為處理核電站的放射性廢物提供新途徑。

熔鹽作為一種重要的工業材料，在純金屬生產及未來核能利用方面扮演著關鍵角色。特別是在下一代核反應堆的開發中，熔鹽被視為潛在的冷卻劑，有望顯著提升核電的安全性并減少放射性廢物的產生。然而，由于高溫和腐蝕性，熔鹽的工業相關特性難以通過實驗直接測量，這限制了相關技術的進步。

為了克服這一難題，研究團隊借助機器學習技術，提出了一種新的計算模型。該模型基于原子間勢和分子動力學模擬，通過量子力學精度的計算結果進行訓練，從而實現了對熔鹽熱物理性質的精準預測。在測試中，模型對FLiNaK(由LiF、NaF、KF組成)鹽的計算結果與實驗數據高度吻合，證明了其有效性。

據該研究的第一作者、Skoltech人工智能中心材料開發人工智能方法實驗室研究員Nikita Rybin介紹，這一計算引導的方法將顯著簡化并加速下一代核反應堆的開發過程，因為它能夠最大限度地減少實際實驗的需求，從而降低成本并提高效率。

此外，熔鹽反應堆作為一種更安全、更環保、更節能的核能技術，其發展前景備受矚目。與傳統反應堆相比，熔鹽反應堆在運行壓力、安全性和運行成本方面均表現出明顯優勢。更重要的是，它們能夠燃燒目前常見核反應堆中的放射性廢物，如镎237、镅237等次錒系元素，這為解決放射性廢物堆積問題提供了新的思路。

該研究成果得到了俄羅斯科學基金會的資助，并已發表在《分子液體雜志》上。研究團隊表示，他們將繼續深化這一領域的研究，探索更多成分的熔鹽并分析其他特性，以期為核電和冶金行業帶來更多創新應用。