IA e os Problemas Difíceis do Mundo · Química e materiais · arXiv · 2026-10-19
Interfaces Metal-Água Eletrificadas a Potencial Constante: Aprendizado por Transferência com Eficiência de Dados para Dinâmica Molecular Baseada em Aprendizado de Máquina
Título original: Electrified Metal-Water Interfaces at Constant Potential: Data-Efficient Transfer Learning for Machine-Learning-Based Molecular Dynamics
Simular interfaces metal-água eletrificadas sob potencial constante com solvente explícito é proibitivamente caro com métodos ab initio. O TRECI usa aprendizado por transferência de modelos de propósito geral e específicos de domínio para construir campos de força de aprendizado de máquina a partir de um número reduzido de configurações de referência. Para Cu(111)-água, modelos treinados com cerca de mil configurações fornecem dinâmica molecular precisa e capturam a reestruturação do solvente dependente da polarização.