高濃度硝酸の挙動の機械学習原子間ポテンシャルによるモデリング

科学分野:

• 計算化学
• 材料科学
• 化学物理学

背景:

• 様々な濃度にわたる硝酸（HNO3）の挙動を調査することは、その化学的特性を理解するために重要です。
• 既存の計算モデルは、特に解離に関して、硝酸の複雑な構造的および熱力学的特性を正確に捉えるのに苦労することがよくあります。
• 正確で効率的な原子間ポテンシャルの開発は、分子動力学シミュレーションに不可欠です。

研究 の 目的:

• DeepMD-kitを使用して硝酸のためのマルチ欠陥機械学習原子間ポテンシャル（MLIP）を開発および検証すること。
• 分子動力学（MD）シミュレーションを使用して、広範囲の濃度にわたる硝酸の構造的および熱力学的特性を調査すること。
• カスタムDeepMD MLIPとMACE-MP0およびMACE-OFF23のような基礎モデルのパフォーマンスを比較すること。

主な方法:

• BLYP-D2およびPBE-D3密度汎関数理論とDeepMD-kitを使用して、2つのマルチ欠陥MLIPをトレーニングしました。
• 解離度（α）およびpKaを含む構造的および熱力学的特性を調査するためにMDシミュレーションを実行しました。
• カスタムDeepMD MLIPをMACE-MP0およびMACE-OFF23と比較してベンチマークし、古典的な力場（FF）と比較しました。

主要な成果:

• 開発されたMLIPは、解離度（α）とpKaを正確に予測し、実験データと良好な一致を示します。
• HNO3は高濃度で弱い酸挙動を示し、標準状態pKaは実験値と一致します。
• カスタムDeepMD MLIPは、よりコンパクトな溶媒和シェルを提供し、密度-濃度傾向を再現し、MACE-MP0よりも大幅に高速であり、微妙な構造的特徴を捉える上で基礎モデルを上回ります。

結論:

• 化学反応性や解離などの特性を正確にシミュレートするには、カスタムの反応性MLIPが必要であり、ユニバーサルMLIPを超えています。
• 開発されたDeepMD MLIPは、高濃度硝酸システムの研究に大きな進歩をもたらし、正確な予測と計算効率の向上を提供します。
• 古典的なFFは密度には効率的ですが、解離と酸性度を予測するために不可欠な化学反応性が欠けており、反応性MLIPの価値を強調しています。