Npj Comput. Mater. : 分子水难模拟：机器学习终揭秘

背景：水作为地球上普遍存在却又难以准确模拟的液体，其复杂的多体相互作用和核量子效应使得传统力场在预测动态输运性质时精度不足。研究目的：开发一种名为NEP-MB-pol的机器学习势函数框架，旨在统一高精度预测水在广泛温度下的结构、热力学与输运性质。结论：该框架基于神经演化算法和量子修正技术，仅使用少量训练数据就实现了优于传统方法的精度和计算效率，首次在不引入实验参数的情况下准确预测了自扩散系数、粘度及热导率等关键指标，明确了核量子效应的核心作用，为水科学及相关领域提供了突破性模拟工具。