香港大学MattVerse团队Nature子刊：融合可极化长程作用的机器学习势，解锁多材料体系与复杂界面反应模拟
能源学人
2025-12-02 10:06
文章摘要
本文背景在于多材料体系与复杂界面中的极化响应和静电耦合等长程效应至关重要，但现有机器学习势难以有效捕捉。研究目的是开发一种融合显式可极化长程物理机制与等变图神经网络的基础势函数框架，以提升对长程相互作用和极化效应的建模能力。结论表明，该框架在固态电解质离子扩散、材料相变及固态电池SEI形成过程等应用中表现出色，能够高效、准确地支撑关键材料模拟任务，为材料与新能源行业的数字化研发赋能。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
推荐文献
Characterizing schizophrenia-relevant structural variants and tandem repeats through long-read sequencing
DOI: 10.1016/j.scib.2025.11.004
Pub Date : 2026-03-30
Date: 2025/11/4 0:00:00
Exercise-induced fatigue affects lower limb biomechanics in high-risk backhand smash landings among female badminton players
DOI: 10.1016/j.isci.2026.115261
Pub Date : 2026-04-17
Date: 2026/3/6 0:00:00
Loss of luminal lineage drives resistance to next-generation ERα antagonists in pretreated ER+ HER2- locally-advanced or metastatic breast cancer.
DOI: 10.1038/s41467-026-71233-1
Pub Date : 2026-04-01
能源学人
普林斯顿大学首篇Watt：聚焦钾离子电池领域！.
19小时前
最新文章
京公网安备 11010802042870号
