恒电势条件下电化学界面E(3)-等变神经网络

本文针对电化学界面模拟中传统方法计算成本高、难以捕捉电势依赖效应的问题，提出了一种创新的恒电势E(3)-等变消息传递神经网络（CPMPNN）。研究背景表明电极电势对电催化反应至关重要，但现有方法存在局限性。研究目的是开发能保持量子精度且高效模拟电化学界面的新方法。CPMPNN通过结合多头注意力机制与E(3)-对称消息传递网络，成功实现了对CO2还原等反应中电势依赖现象的高精度模拟，计算速度比传统方法快千倍。结论证实该方法在热力学和动力学模拟中具有显著优势，为电催化机制研究提供了突破性工具。