Nature子刊，字节跳动开发MD模拟预测框架，助力锂电池液体电解质研究

本文介绍了字节跳动团队开发的BAMBOO框架，该框架用于分子动力学模拟，特别针对锂电池液体电解质的研究。背景方面，液态电解质是商用锂离子电池的关键组成部分，但现有实验方法成本高且耗时。研究目的是通过机器学习力场（MLFF）提升模拟精度和效率，解决现有方法的局限性。BAMBOO采用了物理启发的图等变Transformer架构（GET）和集成知识蒸馏方法，显著提升了预测密度、粘度和离子电导率等关键电解质特性的准确性。结论显示，BAMBOO在多种化学物质中表现出色，为液体电解质的设计和优化提供了有力工具，并为开发通用机器学习力场奠定了基础。