AI 與世界的難題 · 化學與材料 · arXiv · 2026-10-26
機器學習加速電荷調節效應的模擬
原標題: Machine Learning Accelerated Simulation of Charge Regulation Effects
模擬藉由表面基團獲得電荷的材料，需要結合蒙地卡羅與分子動力學的混合方法，而蒙地卡羅步驟的成本往往與動力學計算相當。作者提出 CR-ML，這是一種圖注意力網路，能根據瞬時構型預測每個表面位點的離子化機率。它在聚陰離子，以及由聚電解質連接的兩個奈米粒子的系統中，重現了原方法的平衡結果，同時電荷更新速度約快十倍。