用于聚合物电解质离子的保结构神经密度泛函
A structure-preserving neural density functional for the ions of a polymer electrolyte
精选理由
该方法以较少分子模拟数据准确预测聚合物电解质离子结构，助力跨尺度建模与复杂几何应用。
AI 摘要
arXiv:2610.12132v1 公告类型：交叉收录 摘要：预测非均匀聚合物电解质的结构与响应，需要一种既能保持分子尺度精度，又能跨空间尺度和几何构型迁移的离子关联描述。我们开发了一种用于电解质的神经密度泛函，它保持空间对称性、热力学可积性和 Noether 恒等式，并在稳定、非临界的体相状态下恢复完全屏蔽。其非线性密度依赖性能够捕捉成对闭合近似所遗漏的浓度依赖关联，包括强耦合条件下长波长粒子数涨落从增强到受抑制的交叉转变。该泛函能够描述未用于训练的盐浓度下的密度分布，并预测体相结构因子和长波长粒子数响应。该泛函仅使用分子动力学模拟得到的平面密度和内力分布进行训练，即可预测更大空间区域及二维外场中的离子结构。在相同的离子数据上，其精度高于另外三种神经密度泛函架构；当训练模拟次数减少至四分之一时，它仍能保持精度，而表现最佳的其他架构的误差则增加约三分之二。这种空间可迁移性为将分子关联与更大尺度的连续介质预测相连接提供了必要基础。