机器学习辅助的绝对标准氢电极电位与原子和分子的氧化还原电位
化学物理
2024-09-18 v1
摘要
构建一个准确预测电子转移反应性质的自洽第一性原理框架，通过有限温度分子动力学模拟是理论电化学家和物理化学家的梦想。然而，预测甚至绝对标准氢电极电位——这是电极电位最基本的参考基准——也被证明极具挑战性。本文表明，融合25%精确交换的混合函数在通过热力学积分和热力学扰动理论计算实现的统计精确相空间抽样时，能够实现定量预测，利用机器学习力场和Δ机器学习模型。对七个氧化还原电偶（包括分子和过渡金属离子）的应用表明，混合函数能够在广泛的电位范围内预测氧化还原电位，平均误差为80 mV。
引用
@article{arxiv.2409.11000,
title = {Absolute standard hydrogen electrode potential and redox potentials of atoms and molecules: machine learning aided first principles calculations},
author = {Ryosuke Jinnouchi and Ferenc Karsai and Georg Kresse},
journal= {arXiv preprint arXiv:2409.11000},
year = {2024}
}
备注
10 pages, 4 figures