用于预测有机液体热导率的加速机器学习力场
化学物理
2025-12-02 v1 计算物理
摘要
有机液体的热导率是影响多种工业和环境应用（包括能量转换、电子散热和化工过程）的关键参数。然而，有机液体热导率的原子尺度模拟一直受到经典力场精度有限以及第一性原理方法计算量巨大的制约。在本工作中，我们提出了一种基于机器学习力场（MLFF）的分子动力学模拟流程，用于预测20种有机液体的热导率。我们将差分注意力引入MLFF架构以增强学习能力，并利用液体密度使MLFF与实验结果对齐。因此，该流程对各种有机液体热导率的平均绝对百分比误差为14%，显著低于当前现成的经典力场（78%）。此外，MLFF使用Triton语言重写以最大化模拟速度，从而实现热导率的快速预测。
引用
@article{arxiv.2512.01627,
title = {Accelerated Machine Learning Force Field for Predicting Thermal Conductivity of Organic Liquids},
author = {Wei Feng and Siyuan Liu and Hongyi Wang and Zhenliang Mu and Zhichen Pu and Xu Han and Tianze Zheng and Zhenze Yang and Zhi Wang and Weihao Gao and Yidan Cao and Kuang Yu and Sheng Gong and Wen Yan},
journal= {arXiv preprint arXiv:2512.01627},
year = {2025}
}