桥接量子力学至有机液体性质：通用力场
计算物理
2026-01-16 v4 化学物理
摘要
分子动力学（MD）仿真是揭示凝聚态系统原子尺度结构与动力学的 essential 工具。然而，从 ab initio 计算准确预测宏观性质仍是一个重大挑战，常受制于计算成本与仿真精度之间的权衡。本文提出了 ByteFF-Pol，一款基于图神经网络（GNN）参数化的可极化力场，仅基于高等量子力学（QM）数据进行训练。凭借物理动机驱动的力场形式和训练策略，ByteFF-Pol 在预测广泛的小分子液体和电解质的热力学与输运性质方面表现出卓越的性能，甚至超越了最先进（SOTA）的经典和机器学习力场。ByteFF-Pol 的零样本预测能力桥接了微观 QM 计算与宏观液体性质之间的鸿沟，使我们能够探索此前难以置入的化学空间。这一突破性进展具有深远的潜力，可用于电解质设计和定制溶剂的开发，标志着数据驱动材料发现的关键步骤。
引用
@article{arxiv.2508.08575,
title = {Bridging Quantum Mechanics to Organic Liquid Properties via a Universal Force Field},
author = {Tianze Zheng and Xingyuan Xu and Zhi Wang and Zhenze Yang and Yuanheng Wang and Xu Han and Lei Chen and Zhenliang Mu and Ziqing Zhang and Siyuan Liu and Sheng Gong and Kuang Yu and Wen Yan},
journal= {arXiv preprint arXiv:2508.08575},
year = {2026}
}