Identifying intermediate structures during water and hydrate phase transitions with machine learning

Abstract

Vannmolekyler er i stand til å komme i forskjellige former og kan danne forskjellige strukturer, som is. Vann har også evnen til å danne nye stoffer når det blander seg med andre forbindelser, som hydrater. Men hvordan individuelle vannmolekyler går fra å være fritt flytende i sin væskeform til å delta i dannelse av solide bindinger, er fortsatt en tilfeldig hendelse som trenger en detaljert undersøkelse. Finnes det en midlertidig binding som forklarer denne overgangsperioden?

Denne oppgaven vil forsøke å finne disse mulige midlertidige bindingene som forekommer i overgangen mellom vann og is, eller hydrat. Dette ble forsøkt ved bruk av forskjellige maskinlæringsmetoder som DBSCAN og k-means-gruppering.

En molekylær dynamikk-simulering ble gjennomført, og banedataene fra denne simuleringen ble brukt til å finne midlertidige bindinger. Ved å bruke forskjellige metoder for å utforske datasettet, og ved å bruke nevnte maskinlæringsmetoder, ble tre forskjellige eksperimenter gjennomført for å finne midlertidige bindinger.

De mest lovende bindingene ble presentert i OVITO for å se hvordan de oppførte seg i MD-simuleringen, for å vurdere om de kunne klassifiseres som midlertidige bindinger. For første gang har Y-formede strukturer dannet av vannmolekyler blitt identifisert i dette prosjektet, noe som primært bekrefter eksistensen av midlertidige bindinger i overgangsfasen mellom vann og is.

Water molecules can take different shapes and can form different structures such as ice. It also can form new substances when mixed with other compounds, like Hydrates. However, how the individual water molecule goes from being free-flowing in its liquid state to participating in forming solid structures is largely a random event and yet to be investigated in detail. Does there exist a transitional phase between water and ice or water and hydrate? Does there exist an intermediate structure that explains this transitional phase?

This Thesis attempted to discover these possible intermediate water structures during the transition from water to ice or hydrate. This was done by utilizing different machine learning techniques, such as DBSCAN and k-means clustering.

A Molecular Dynamics simulation was done, and the trajectory data from this simulation was used to find intermediate structures. By using different methods to explore the data, and using the mentioned machine learning techniques, three different experiments were conducted to find potential intermediate structures.

The most promising structures were then revealed in OVITO to see how they behaved during the MD simulation and see if they could be classified as an intermediate structures. For the first time, Y-shape structures formed by water molecules were identified in this work, which primarily validated the existence of intermediate structures in a water phase transition.