美国橡树岭国家实验室(ORNL)科研团队近日开发出一种基于机器学习的新方法，可高效、精准预测熔盐材料的关键热力学特性，为核能技术研发提供重要工具。相关研究成果发表于《化学科学》期刊。

通过将液态盐转化为气体(上图)，并将固态晶体转化为弹簧网络(下图)，可以精确预测氯化锂的熔点。图片来源：Luke Gibson/ORNL，美国能源部

熔盐因其高温稳定性与化学兼容性，在核燃料溶解、反应堆长期运行可靠性提升等核能应用中具有重要价值。然而，传统实验方法与计算模型在预测熔盐特性时面临成本高、耗时长、精度不足等挑战。ORNL团队通过结合量子化学计算与人工智能技术，利用超级计算机Summit的强大算力，实现了对液态和固态熔盐热力学特性的快速模拟，显著提升了预测效率与准确性。

研究团队成员卢克·吉布森(Luke Gibson)表示：“该方法的创新性在于其简洁性。相较于传统模型，机器学习仅需更少的计算步骤即可获得更高精度的结果，为熔盐特性研究开辟了新路径。”

研究指出，熔盐特性的精确建模对于下一代核反应堆设计、安全评估及核废料管理至关重要。通过低成本、高精度的模拟技术，科研人员可更高效地优化反应堆运行参数，降低实验成本，并加速新型核能系统的开发进程。

ORNL材料科学家艾米丽·汤姆林(Emily Tomlin)强调：“大规模、经济且精准的熔盐建模是连接实验数据与工程应用的桥梁。这一突破将推动核能技术向更安全、更高效的方向发展。”

目前，该团队正进一步拓展机器学习模型的应用范围，计划将其应用于更多复杂核能材料体系的特性预测，为全球核能产业升级提供技术支撑。