Eine neuartige Kombination aus künstlicher Intelligenz und hochentwickelter Mikroskopie hat ein seit 170 Jahren bestehendes Rätsel gelöst: Was passiert auf molekularer Ebene an der gefrorenen Oberfläche, bevor das Schmelzen beginnt?

Die Studie, die in der wissenschaftlichen Zeitschrift Physical Review X im Dezember veröffentlicht wurde, enthüllt zum ersten Mal die atomare Struktur der sogenannten „Vor-Schmelzschicht“. Es handelt sich dabei um eine flüssigkeitsähnliche Schicht, die selbst bei Temperaturen weit unter dem Gefrierpunkt entsteht.

Dieses Phänomen wurde erstmals vor mehr als 170 Jahren vom britischen Physiker Michael Faraday beobachtet. Trotz seiner Bedeutung für Bereiche wie Reibung, atmosphärische Chemie, Kryokonservierung und sogar Eislaufen blieb seine mikroskopische Struktur unbekannt.

Forscher der Universität Peking haben nun diese Einschränkung überwunden, indem sie die Rasterkraftmikroskopie (AFM) mit Machine-Learning-Algorithmen kombinierten, die mit molekulardynamischen Simulationen trainiert wurden.

Zunächst verwendeten die Wissenschaftler die AFM-Technik, um eine Oberfläche zu kartieren, wobei eine extrem empfindliche Spitze eingesetzt wurde, die in der Lage ist, geringste Kraftvariationen zu erkennen. Allein konnte diese Technik jedoch keine vollständigen dreidimensionalen Strukturen auf unregelmäßigen Oberflächen rekonstruieren.

Einsatz neuer Technologien

Die Innovation dieser Studie liegt in der Anwendung von künstlicher Intelligenz zur Interpretation dieser unvollständigen Signale. Der Algorithmus wurde mit realistischen Simulationen trainiert, die experimentelle Geräusche beinhalteten, wodurch es gelang, molekulare Details wiederherzustellen, die mit herkömmlichen Methoden unsichtbar blieben.

Das überraschendste Ergebnis wurde erzielt, als das Eis bei Temperaturen zwischen -152 °C und -93 °C analysiert wurde. In diesem Temperaturbereich identifizierten die Forscher die Bildung einer amorphen oberflächlichen Schicht: Das Eis bleibt fest, aber die Wassermoleküle verlieren ihre typische kristalline Ordnung. Diese Schicht zeigt ein solides, jedoch stark ungeordnetes Verhalten und entwickelt sich allmählich zu einem nahezu flüssigen Zustand, wenn die Temperatur steigt.

„Diese Schicht weist eine ausgeprägte topologische Unordnung auf, während sie gleichzeitig eine Dynamik ähnlich einem festen Körper beibehält und allmählich in eine fast flüssige Schicht übergeht, wenn die Temperatur steigt“, erklärt Hong.

Die Entdeckung verändert das mikroskopische Verständnis von vor-schmelzendem Eis und bietet eine neue Perspektive darauf, wie kristalline Oberflächen unter extremen Bedingungen transformiert werden. Mehr als nur ein historisches Rätsel zu lösen, eröffnet die Technik Möglichkeiten, die über das Studium von Eis hinausgehen.

„Die Machine-Learning-Struktur für AFM bietet ein leistungsfähiges Werkzeug auf atomarer Ebene zur Untersuchung ungeordneter Schnittstellen, Phasenübergängen und Materialfehlern, mit weitreichenden potenziellen Anwendungen in funktionalen Materialien und biologischen Systemen“, sagt Hong in einer Mitteilung.