美國橡樹嶺國家實驗室(ORNL)科研團隊近日開發出一種基于機器學習的新方法，可高效、精準預測熔鹽材料的關鍵熱力學特性，為核能技術研發提供重要工具。相關研究成果發表于《化學科學》期刊。

通過將液態鹽轉化為氣體(上圖)，并將固態晶體轉化為彈簧網絡(下圖)，可以精確預測氯化鋰的熔點。圖片來源：Luke Gibson/ORNL，美國能源部

熔鹽因其高溫穩定性與化學兼容性，在核燃料溶解、反應堆長期運行可靠性提升等核能應用中具有重要價值。然而，傳統實驗方法與計算模型在預測熔鹽特性時面臨成本高、耗時長、精度不足等挑戰。ORNL團隊通過結合量子化學計算與人工智能技術，利用超級計算機Summit的強大算力，實現了對液態和固態熔鹽熱力學特性的快速模擬，顯著提升了預測效率與準確性。

研究團隊成員盧克·吉布森(Luke Gibson)表示：“該方法的創新性在于其簡潔性。相較于傳統模型，機器學習僅需更少的計算步驟即可獲得更高精度的結果，為熔鹽特性研究開辟了新路徑。”

研究指出，熔鹽特性的精確建模對于下一代核反應堆設計、安全評估及核廢料管理至關重要。通過低成本、高精度的模擬技術，科研人員可更高效地優化反應堆運行參數，降低實驗成本，并加速新型核能系統的開發進程。

ORNL材料科學家艾米麗·湯姆林(Emily Tomlin)強調：“大規模、經濟且精準的熔鹽建模是連接實驗數據與工程應用的橋梁。這一突破將推動核能技術向更安全、更高效的方向發展。”

目前，該團隊正進一步拓展機器學習模型的應用范圍，計劃將其應用于更多復雜核能材料體系的特性預測，為全球核能產業升級提供技術支撐。