近日，来自Skoltech和俄罗斯科学院乌拉尔分院高温电化学研究所的研究团队宣布，他们已成功开发并测试了一种机器学习模型，该模型能够精确计算熔盐的物理性质，同时充分考虑温度因素的影响。这一研究成果有望为冶金行业带来革新，并可能为处理核电站的放射性废物提供新途径。

熔盐作为一种重要的工业材料，在纯金属生产及未来核能利用方面扮演着关键角色。特别是在下一代核反应堆的开发中，熔盐被视为潜在的冷却剂，有望显著提升核电的安全性并减少放射性废物的产生。然而，由于高温和腐蚀性，熔盐的工业相关特性难以通过实验直接测量，这限制了相关技术的进步。

为了克服这一难题，研究团队借助机器学习技术，提出了一种新的计算模型。该模型基于原子间势和分子动力学模拟，通过量子力学精度的计算结果进行训练，从而实现了对熔盐热物理性质的精准预测。在测试中，模型对FLiNaK(由LiF、NaF、KF组成)盐的计算结果与实验数据高度吻合，证明了其有效性。

据该研究的第一作者、Skoltech人工智能中心材料开发人工智能方法实验室研究员Nikita Rybin介绍，这一计算引导的方法将显著简化并加速下一代核反应堆的开发过程，因为它能够最大限度地减少实际实验的需求，从而降低成本并提高效率。

此外，熔盐反应堆作为一种更安全、更环保、更节能的核能技术，其发展前景备受瞩目。与传统反应堆相比，熔盐反应堆在运行压力、安全性和运行成本方面均表现出明显优势。更重要的是，它们能够燃烧目前常见核反应堆中的放射性废物，如镎237、镅237等次锕系元素，这为解决放射性废物堆积问题提供了新的思路。

该研究成果得到了俄罗斯科学基金会的资助，并已发表在《分子液体杂志》上。研究团队表示，他们将继续深化这一领域的研究，探索更多成分的熔盐并分析其他特性，以期为核电和冶金行业带来更多创新应用。