实验天体化学与机器学习助力揭示外星冰中含氧有机分子的形成机制

《Communications Chemistry》：Experimental astrochemistry and machine learning unravel the formation of oxygen-bearing organic molecules in extraterrestrial ices

　　

摘要

含氧有机分子，包括醛类、醇类和过氧化物，是外星环境中形成复杂有机物的关键前体。它们的非平衡形成机制极大地限制了可用于前生物化学反应的分子复杂性。在此，我们提出了一种结合天体化学模拟实验与机器学习技术的方法，用以探究在暴露于模拟银河宇宙射线环境下的甲烷（CH₄）-分子氧（O₂）冰中合成的复杂有机物的组成及形成机制。通过使用同步辐射真空紫外光电离质谱仪（SVUV-PI-ReToF-MS），并通过光电离效率曲线拟合以及同位素标记实验，我们在温度程序解吸阶段发现了大量含氧有机分子。此外，还通过结合神经网络势函数与先进的反应路径搜索算法，揭示了这些分子的非平衡形成机制。将机器学习与天体化学实验相结合，有望显著提升我们预测尘埃颗粒冰层中分子构成的能力，进而深化我们对新天体化学冰时代中分子演化规律的认识。