.png){kind=icon}
返回
Reactive Machine Learning Force Field for Crosslinked Epoxy
.png){kind=icon}
PRE
AI
DOI：10.1007/s10118-025-3389-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模分子动力学（MD）模拟交联环氧树脂并实现量子级精度同时捕捉复杂反应性是一项引人入胜但尚未实现的挑战。在本工作中，通过构建一个化学环境导向的数据集，开发了一种能够准确捕捉反应事件和热-力学性质的反应性机器学习力场。该力场实现了能量和力的均方根误差分别为1.3 meV/atom和159 meV/Å，并且运行速度比从头算分子动力学快约1200倍。MD模拟结果表明，在多个关键热-力学性质（径向分布函数、密度和弹性模量）上具有优异的预测能力，其结果与实验值吻合良好。特别地，该力场能够对典型键的键解离能进行准确预测，平均绝对误差为7.8 kcal/mol（<8%），这使其能够模拟由化学键断裂引起的拉伸诱导失效。我们的工作展示了机器学习力场处理交联环氧树脂系统极端复杂性的能力，为未来开发适用于大多数聚合物的更通用型反应性力场提供了有价值的蓝图。
Keyword:
Machine learning force field
Epoxy resin
Molecular dynamics
Bond breaking
期刊
C
IF:
4
论文数:
3.3K
被引数:
4.7K
机构
引用论文
Gaussian basis sets for accurate calculations on molecular systems in gas and condensed phases用于精确计算气相和凝聚相分子系统的高斯基集
OAAI
OAAI分享收藏Deep-Learning Interatomic Potential Connects Molecular Structural Ordering to the Macroscale Properties of Polyacrylonitrile深度学习原子间势将分子结构排序与聚丙烯腈的宏观性质联系起来
PREAI
分享收藏RadonPy: automated physical property calculation using all-atom classical molecular dynamics simulations for polymer informaticsRadonPy: 使用全原子经典分子动力学模拟进行聚合物信息学的自动物理性质计算OAAI
OAAI分享收藏Learning together: Towards foundation models for machine learning interatomic potentials with meta-learning共同学习: 通过元学习建立机器学习的原子间势的基础模型OAAI
OAAI分享收藏Rapid estimation of elastic constants by molecular dynamics simulation under constant stress恒定应力下弹性常数的分子动力学模拟快速估算.png)
PHYSICAL REVIEW B
PHYSICAL REVIEW BIF3.7
PREAI
分享收藏DeePMD-kit: A deep learning package for many-body potential energy representation and molecular dynamicsDeepmd-kit: 用于多体势能表示和分子动力学的深度学习软件包
OAAI
OAAI分享收藏Recent advances of interphases in carbon fiber-reinforced polymer composites: A review碳纤维增强聚合物复合材料中界面的最新进展: 综述
PREAI
分享收藏
查看更多内容