Skoltech和俄羅斯科學院烏拉爾分院高溫電化學研究所的研究人員成功開發并測試了一種機器學習模型，該模型能夠準確計算熔鹽的物理性質，并充分考慮溫度的影響。這一研究成果對于改進純金屬生產和核能技術具有重要意義，并得到了俄羅斯科學基金會的資助。

熔鹽在冶金領域有廣泛應用，并有望在未來用于處理核電站的放射性廢物。然而，由于高溫和腐蝕性，液體鹽的工業相關特性難以通過實驗測量。因此，研究人員提出了計算模型以改進相關技術。

熔鹽反應堆是一種更安全、更環保、更節能的核反應堆技術。與現有反應堆相比，熔鹽反應堆的運行壓力接近大氣壓，安全性更高，運行成本更低。此外，熔鹽反應堆可以在不停止運行的情況下裝載燃料，工作溫度也遠高于現代反應堆，從而提高電能和熱能的產生效率。更重要的是，熔鹽反應堆能夠燃燒目前常見核反應堆中的放射性廢物，如镎237、镅237等次錒系元素，為解決放射性廢物問題提供了新的途徑。

為了釋放液態鹽在核電和冶金中的潛力，工程師需要了解這些物質在不同熱力學條件下的特性。然而，由于熔鹽存在大量的化學成分，且實驗測量困難且昂貴，材料科學家難以提供全面的信息。因此，研究人員提出了基于機器學習的計算模型，以簡化并加速下一代核反應堆的開發。

該模型依賴于機器學習的原子間勢和分子動力學模擬，能夠根據量子力學精度的計算結果進行訓練。通過對FLiNaK鹽(成分：LiF、NaF、KF)的計算，結果與實驗數據相對應，驗證了模型的準確性。研究人員計劃進一步考慮其他成分的鹽并分析其他特性，以助力選擇下一代材料反應堆。

這一研究成果不僅為熔鹽反應堆的開發提供了有力支持，也為核能領域的可持續發展注入了新的活力。