通过不确定性归因来学习二氧化水的反应潜力

科学领域:

• 材料科学 材料科学 材料科学
• 计算化学的计算化学
• 地质化学 地质化学

背景情况:

• 水溶液中的酸盐反应性对于地质学,水泥化学,催化和材料科学至关重要.
• 这些系统的精确分子级模拟在计算上是具有挑战性的,因为规模和准确性要求.

研究的目的:

• 开发和验证用于酸盐-水相互作用的机器学习反应性原子间潜力.
• 证明潜能捕获复杂的反应性和特性的能力.

主要方法:

• 训练基于PaiNN架构的机器学习潜力,使用大量能量和力的数据集.
• 实施积极学习策略,通过专注于不确定的区域来代地提高模型准确性.
• 利用增强的采样模拟来研究水的自我电离和酸盐二元化等特定反应.

主要成果:

• 开发的潜力准确地复制水和酸盐的静态和动态特性,尽管对集群数据进行了培训.
• 积极学习策略有效地提高了大量模拟模型的稳定性.
• 改进的采样模拟准确地捕获了水的自我电离和酸寡合物的酸度.
• 发现水中的酸盐二聚化通过侧翼机制进行.

结论:

• 机器学习,特别是具有主动学习策略的PaiNN架构,为模拟酸盐-水反应性提供了一种强大的方法.
• 开发的潜力为研究各种基于酸盐的化学系统提供了一个计算效率高,准确的工具.
• 这项工作提升了复杂的水性酸盐化学的模拟能力,与多个科学学科相关.