DFT训练的神经网络势函数:能否真正复现液态水的结构、热力学与动力学?
研究人员用MACE神经网络势函数在DFT数据上训练,系统评估对MgCl₂水溶液的多维度性质复现能力。NNP准确描述水合壳层结构、扩散系数和离子配对,过渡态采样捕获水交换过程(速率与实验相差一个数量级内),但溶剂化自由能严重低估实验值——揭示了当前局部NNP架构在离子溶剂化热力学上的根本局限,需显式纳入长程静电效应。
DFT训练的神经网络势能能否准确模拟水溶液中镁离子的行为?
MACE神经网络势能成功再现了Mg²⁺水溶液的结构、扩散和水交换动力学,但在溶剂化自由能方面仍有局限。