斯科尔科沃科技学院和和俄罗斯科学院乌拉尔分院高温电化学研究所的研究人员开发并测试了一种机器学习模型，用于精确计算熔盐的物理性质，同时考虑到温度的影响。熔盐用于冶金，将来可能有助于核电站放射性废料的利用。问题在于，由于高温和腐蚀性，液体盐的工业相关特性很难通过实验测量。因此，为了改进纯金属和核能的生产技术，需要像《分子液体杂志》中提出的计算模型。该研究得到了俄罗斯科学基金会的资助。液体盐是一类广泛的物质，具有广泛的工业重要应用。材料科学家正在不断改进熔盐混合物的成分和特性，以提高钛、钙、铝和其他纯金属的生产效率，以及改进正在开发的下一代核反应堆。在经济逐步向无碳模式过渡的过程中，核电站将与太阳能和风能一起发挥关键作用。同时，核聚变反应堆前景广阔，但远未实现。与此同时，核能领域还有另一种更先进的技术，它需要具有精心挑选的物理和化学特性的盐熔体。熔盐反应堆（熔盐反应堆）比当今常用的反应堆更安全、更环保、更节能。它们的实施消除了氢爆炸的风险，就像福岛核电站事故期间那样。一般来说，这种替代反应堆的运行压力接近大气压（运行中的核电站为75-150个大气压），在安全性和运行成本方面都更好。此外，熔盐反应堆可以在不停止运行的情况下装载燃料。此外，它们的工作温度大约是现代反应堆的两倍。温度越高，产生电能和热能的效率就越高。在熔盐反应堆中，可以燃烧目前常见核反应堆中的放射性废物——镎237、镅237和其他所谓的次锕系元素。现在这种危险废物必须掩埋，成本极其高昂，而且并不能完全解决其堆积问题。对于熔盐反应堆来说，这些放射性同位素可以成为燃料。为了释放熔盐在核电和冶金中的潜力，工程师需要了解这些物质在不同热力学条件下的特性。然而，由于熔盐可能存在大量的化学成分，材料科学家很难提供这些信息。考虑所有组合是不可能的，尤其是全面的实验，由于熔盐具有极高的腐蚀性和温度，这既昂贵又费力。该研究的第一作者、斯科尔科沃科技学院人工智能中心材料开发人工智能方法实验室研究员 Nikita Rybin 评论道：“计算引导搜索具有某些物理和化学性质的熔体可以显著简化并加速下一代核反应堆的开发，因为它将最大限度地减少实际实验的需要。在本研究中，我们介绍并测试了一种方法，该方法允许我们计算非零温度下盐熔体的热物理性质。对名为 FLiNaK 的盐（成分：LiF、NaF、KF）的计算结果与现有实验数据一致，因此我们将进一步考虑其他成分的盐，分析其他特性--因此这种方法将有助于为下一代反应堆选择材料"。该科学团队提出的计算液体盐特性的解决方案依赖于机器学习的原子间势和分子动力学模拟。势能根据量子力学精度的计算结果进行训练。如果没有机器学习，这样的计算在计算上将非常困难。
