开发机器学习潜力,同时捕捉经典和路径积分模拟中的过量质子和氧化离子的动态

科学领域:

• 计算化学是一种计算化学.
• 物理化学 物理化学
• 材料科学是一种材料科学.

背景情况:

• 水中的质子和氧化物离子运输对于许多化学和生物过程至关重要.
• 精确的模拟需要计算上昂贵的初始分子动力学和通路积分方法.
• 目前的方法在实现对汇聚的运输特性所需的时间和长度尺度方面存在局限性.

研究的目的:

• 开发和应用机器学习潜能 (MLP) 来模拟水中的过量质子和氧化离子运输.
• 以显著降低计算成本实现初始准确性.
• 为了实现多纳秒模拟来分析运输机制和特性.

主要方法:

• 机器学习潜能 (MLP) 的开发,用于过多的质子和氧化离子.
• 在概括梯度近似和混合密度函数理论准确度水平上进行的模拟.
• 在多个纳秒的时间内利用了经典和路径整体模拟.
• 对质子转移事件和离子扩散系数的分析.

主要成果:

• MLPs成功地复制了质子和氧化物离子运输的初始趋势.
• 对于过多的质子和氧化离子,实现了收的扩散系数.
• 模拟提供了关于高协调在氧化离子运输中的作用的见解.
• 在过量质子和氧化离子之间的扩散中确认了不对称性.

结论:

• MLP为模拟质子和氧化离子运输提供了对ab initio方法的计算效率高的替代方案.
• 开发的MLP能够准确地建模核量子效应和键动态.
• 这项工作促进了对水系中离子运输机制及其影响的理解.