AI与世界难题 · 化学与材料 · arXiv · 2026-10-23
ZnCl2 电解质溶液中随浓度变化的物种形成：机器学习原子间势的可迁移性与 EXAFS 对物种形成的敏感性
原标题: Concentration-Dependent Speciation in ZnCl2 Electrolyte Solutions: Transferability of Machine-Learning Interatomic Potentials and Speciation Sensitivity of EXAFS
预测浓电解质中的物种分布，需要准确的离子相互作用，并对缓慢相互转化的配位环境进行充分采样。研究将水合 ZnCl2 的 Zn K 边 EXAFS 测量与使用多种机器学习原子间势（包括 DeepMD、DPMD-SCAN 和 MACE-MATPES-r2SCAN）的长时间分子动力学模拟相结合。浓度升高会降低八面体配位，使氯离子取代水分子，并促进氯离子桥联的缔合。DPMD-SCAN 在不同浓度间的可迁移性最佳，而 MACE-MATPES-r2SCAN 能更高效地给出相当的谱图。距离无序和散射路径干涉可使不同的配位系综产生相似的 EXAFS 特征，因此需要系综平均谱。