乍一看，玻璃和水晶可能看起来很相似，然而，当放在显微镜下观察时，它们的结构有很大的不同。晶体具有完美有序和重复的原子模式，而玻璃则是类似流体的无序结构。
在物理学中，玻璃态被认为是物质的一种特殊形式。在短时间玻璃表现得很像固体。然而，在较长一段时间内，玻璃表现得更像液体。它正好存在于固体和液体的交汇处，这使得它们的性质难以用传统的物质分类来描述。
长期以来，量子研究人员和科学家一直对玻璃从液体到特殊固体形态的转变感到困惑。更难以捉摸的是被称为“布拉格玻璃”的物质态，它同时表现出有序和无序结构的结构特征。
人工智能和机器学习领域的最新进展为科学家们解开长期存在的科学谜团提供了机会。人工智能和机器学习算法可以筛选大量数据集，以识别复杂的相关性，并发现传统分析方法无法实现的模式。
美国能源部(DOE)阿贡国家实验室的科学家们与斯坦福大学和康奈尔大学的合作者一起，利用机器学习发现了实验证据，证明了材料中存在布拉格玻璃态。
利用大量的x射线散射数据和康奈尔大学开发的一种新的机器学习数据分析工具，科学家们能够研究玻璃的性质。虽然布拉格玻璃态的理论预测已经有三十多年了，但具体的实验证据一直缺乏，直到现在。
“我们可以在短时间内收集大量的x射线数据，而人工分析这些数据可能会导致只见树木不见森林。”阿贡国家实验室材料科学部的高级物理学家、该研究的作者之一Ray Osborn说，“结合尖端的x射线和计算技术，我们能够发现布拉格玻璃态独有的特征。”
在这个实验中，科学家们在ErTe3的晶体基中寻找难以捉摸的布拉格玻璃态，众所周知，ErTe3的结构具有特定的远程秩序，科学家称之为电荷密度波(CDW)。
大约三十年前，理论上认为，如果一些“混沌”可以引入到结构的其他有序状态，CDW材料可以承载布拉格玻璃态。在这个实验中，科学家们将钯原子随机分布到结构中，以制造一些无序。
对无序样品进行x射线散射，并记录每个晶体的三维结构数据。在30K至300K的温度范围内收集数据样本，以分析结构如何变化。
然后使用机器学习工具分析了数百Gb的数据，这些数据证实，在一定的过渡温度下，样本冻结成具有大量远程秩序的状态，同时也显示出局部特征。这证实了布拉格玻璃态的实验检测。
从这个实验中得到的见解也突出了人工智能和机器学习算法在数字时代科学发现中的力量。这一发现有助于更好地从根本上理解物质的相变。它还有助于超导和磁性领域的进步。此外，研究结果还可以用于开发各种应用的新材料。
