Science子刊，理解更真实的溶液，ML力场将速度提升六个数量级，更高效表征水分子时空关系_AI应用

深度学习力场揭示盐溶液中水的异常扩散行为

编辑丨toileter

水，这种看似简单的物质，却是物理化学研究中的一个长期难题。其独特的分子结构和相互作用使其性质复杂，尤其是在溶液环境中。关于水是否存在液-液临界点（LLCP）的争论持续至今，对水，特别是作为溶剂的水的理解仍不完整。

韩国首尔国立大学的研究团队提出了一种基于机器学习力场（MLFF）和深度势能分子动力学（DPMD）的新方法，用于研究盐溶液中水的时空特性，相关论文发表在《Science Advances》期刊上。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

传统水模型难以准确捕捉盐溶液中水的动态行为。经典力场虽然提供了重要信息，但其简化假设和对动态电荷效应的忽略可能会扭曲对水真实行为的理解。MLFF 方法因其在材料科学领域的优势以及在处理大规模系统时的速度优势而被选中。

DPMD 模拟

研究团队采用DPMD方法模拟了盐溶液中水的动力学，并与其他经典方法（如SPC/Fw和JC模型）进行了比较。

结果显示，Li+和Na+盐溶液中，随着盐浓度的增加，水动力学减速，这一现象在所有模型中都观察到。然而，纯水的模拟结果与实验数据存在差异，这可能是由于许多密度泛函理论（DFT）泛函的常见问题——过度结构化导致对盐影响的高估。

图1：不同模拟模型与实验数据比较，显示盐溶液中水的扩散特性。

改变离子周围的能量景观，特别是改变水分子从溶剂化壳中释放的能垒，可以解释观察到的扩散加速现象。然而，当动态异质性的假设不再适用时，水动力学的变化机制仍需进一步研究。

研究团队关注水分子的协同运动。最近关于盐溶液的模式耦合理论（MCT）研究表明，水的时变相关动力学是一个有价值的研究框架。虽然现有模型能捕捉到盐添加后水动力学的减速，但它们并未排除动力学增强可能源于加速弛豫过程的可能性。

DPMD 模型则揭示了不同的行为，尤其是在添加离液盐的情况下，其准确再现水动力学加速的能力，突显了其在捕捉异常水动力学方面的优势。

时空相关性分析

研究团队分析了四点易感性，发现NaCl溶液的峰值高于纯水，而KCl溶液的峰值较低。这可能与实验观察到的高浓度KCl溶液中水扩散率抑制有关。DPMD模型还显示，在最低浓度下，KCl溶液中的峰值高度不相关。这些发现表明，不同模型描述水动力学时空相关性的能力存在差异，这取决于盐的种类和浓度。

图2：不同模型下NaCl和KCl溶液中水的四点易感性分析。

研究团队认为，需要从长度尺度和时间尺度的综合角度来更好地理解扩散率。

未来展望

该研究强调了MLFF，特别是DPMD模型的进步对理解水动力学的重要意义。研究结果为盐溶液中水动力学提供了新的视角，并清晰地描述了不同模型结果差异的来源。

未来的研究方向包括：更深入地探索水的重新定向动力学，以及在系统接近深度过冷状态时，相关长度和弛豫时间之间的复杂相互作用。

原文链接：https://www./link/1475b0b5094e6f4f7dfc284649259195

注：文中图片均来自论文或网络。