开发机器学习潜能以同时捕捉经典和路径积分模拟中过剩质子和羟离子的动力学
摘要：机器学习势能在水中超额质子和羟氧根离子的建模和全密度泛函理论水平下可以模拟超额质子和羟氧根离子的过程，并使用它们以远低于从头开始模拟的成本进行经典和路径积分质子缺陷模拟。该方法能够复制从头模拟的趋势和收敛超额质子和羟氧根离子的扩散系数等性质。我们利用了多纳秒的仿真来监测大量质子转移事件，并分析了羟氧根离子的传输机制中超配位的作用，并提供了超额质子和羟氧根离子漂移之间有不对称性的进一步证据。
作者：Austin O. Atsango, Tobias Morawietz, Ondrej Marsalek, and Thomas E. Markland
论文ID：2308.06348
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2023-08-15