揽星火于掌心：新通用模型重写含能材料的反应图谱

背景：含能材料因其高能量密度和剧烈反应特性在航天、弹药和能源领域至关重要，但其微观反应机理复杂，传统量子化学计算成本高且泛化性有限。研究目的：北京理工大学陈东平和初庆钊教授团队旨在构建一个高精度、强泛化的通用神经网络势能模型EMFF-2025，以突破含能材料机理研究的瓶颈。结论：EMFF-2025通过迁移学习策略，仅需少量DFT数据，即可在20种CHNO含能材料中实现接近DFT的精度，统一模拟晶体结构、力学性能和高温分解行为，并意外发现多数材料在高温下遵循相似分解机制，挑战了传统观点。该模型为含能材料设计、热稳定性预测及安全评估提供了高效多尺度模拟平台，并与EM-HyChem模型耦合，有望实现极端条件下的端到端跨尺度预测。