机器学习加速了电化学接口的有限场模拟
Chaoqiang Feng1, Bin Jiang2,3
1Hefei National Research Center for Physical Sciences at the Microscale, University of Science and Technology of China, Hefei, Anhui 230026, China.
JACS Au
|December 26, 2025
概括
一种新的机器学习方法可以将电化学接口的第一原则模拟加速1万倍. 这种方法在现实的条件下准确地建模系统,揭示了对阳极水分子行为的新见解.
科学领域:
- 计算化学的计算化学
- 材料科学 材料科学 材料科学
- 电化学 电化学 电化学
背景情况:
- 电化学接口对于电催化,电池和腐蚀至关重要.
- 有限场方法在恒定电位下建模这些接口.
- 现有的方法在计算上昂贵 (ab initio分子动力学) 或不准确 (古典近似).
研究的目的:
- 开发一种基于机器学习的计算效率高,准确的有限场方法来建模电化学接口.
- 克服现有的模拟方法的局限性.
主要方法:
- 开发了一种机器学习方法,将两个神经网络模型用于原子力和电场下的电荷响应.
- 训练模型仅在第一原则数据上,避免经典近似.
- 将该方法应用于一个原型的Au100) / NaCl-aq) 系统.
主要成果:
- 与初始分子动力学相比,加速模拟大约4个数量级.
- 启用了超分离到超出训练范围的细胞潜力.
- 准确预测了赫尔姆霍尔茨电容,并揭示了水分子在阳极上的行为变化.
结论:
- 新的机器学习方案为电化学接口的第一原则模拟提供了显著的加速.
- 这种方法有助于对潜在控制下的系统进行大规模建模.
- 提供了对界面现象的新理解,例如在不同电位下水分子动态.
更多相关视频
05:37Rapid in-silico Battery Electrolyte Electrochemical Reaction Generation using 3T-VASP Multi-Scale Energy Minimization
Published on: August 22, 2025
569
10:52Multiscale Sampling of a Heterogeneous Water/Metal Catalyst Interface using Density Functional Theory and Force-Field Molecular Dynamics
Published on: April 12, 2019
13.3K
