核心概念
本研究提出了一個新的機器學習模型,能夠準確預測鋁矽酸鹽熔體的黏度,適用於各種情境,包括熔岩行星上的熔漿海。
摘要
本研究的主要內容如下:
建立了一個包含28,898個黏度測量數據的數據庫,涵蓋了磷酸鋁矽酸鹽熔體在超液相到過冷溫度範圍內,以及高達30 GPa的壓力範圍。
使用這個數據庫,訓練了一個結合灰箱人工神經網絡和高斯過程的機器學習模型,能夠準確預測熔體黏度(RMSE約0.4 log10 Pa·s)。該模型可以處理從SiO2到多組分地質和工業玻璃的各種組成。
應用這個模型,計算了K2-141 b熔漿海在不同組成下的黏度。相圖計算表明,白天面完全熔融,溫度是主要控制黏度的因素。可能存在一個半透明的大氣層,覆蓋從子恆星點開始的40°半徑範圍。在更高緯度,大氣壓力下降,到90°時,熔體黏度迅速增加,因為發生了固化。夜側表面可能是固體,但之前估計的超過400 K的表面溫度意味著部分熔融的地幔,通過垂直對流向地表提供地熱通量。
統計資料
熔漿海的黏度可以相差15個數量級。
K2-141 b白天面的溫度可達3080 K。
在白天面的40°半徑範圍內,可能存在一個半透明的大氣層。
在90°以上的緯度,熔體黏度迅速增加,表明發生了固化。
引述
"熔漿海是認為是塑造岩質行星內部結構和次生大氣的關鍵現象。"
"熔體黏度控制熔體流動性和元素擴散時間尺度,從而影響熱對流和熔漿外放的劇烈程度。"