物理与电子学院闻波团队在光催化资料的大标准模仿中获得新进展

  近来，我校物理与电子学院黄河学者闻波团队在《美国科学院院刊》（PNAS）宣布了题为“Water dissociation at the water-rutile TiO2(110) interface from ab initio-based deep neural network simulations”的研讨论文，提醒了水在无缺点金红石二氧化钛外表分化的微观反响机理。闻波为论文榜首作者，通讯作者为普林斯顿大学外表界面专家Annabella Selloni教授，合作者还包含北京航空航天大学国家自然科学基金杰出青年基金获得者刘利民教授等，河南大学为榜首署名单位。

  深度学习办法使用到动力资料研讨近年来得到了广泛重视，为资料模仿和理论核算供给了新的思路和办法。闻波团队使用深度神经网络对榜首性原理模仿的核算成果进行了学习和练习，成功获得了可重复榜首性原理核算精度的经典分子动力学模仿势函数。该深度势函数具有榜首性核算的精度，兼具经典模仿的功率，在长期、大标准模仿中具有十分杰出潜力。团队将练习得到深度势函数使用到4-16层二氧化钛模型中，经过大约25纳秒的模仿，发现部分水分子在没有缺点的金红石外表发生了分化。经过一系列剖析较厚层数的分化状况，发现完美外表水分子分化的份额约为226%，相关理论模仿成果与最新的试验成果相匹配，充沛验证了本研讨得到的深度势函数具有优异才能的可靠性和扩展性。此外，团队还系统研讨了水分子分化进程中的质子传输机制，研讨之后发现质子的传输途径大致上能够分为直接传输和直接传输，且两种途径之间可彼此联接，在分化进程中质子传输发生的外表羟基平均寿命约为7.61.8纳秒。这一研讨工作发现了传统榜首性核算中模仿标准难以观测到的反响进程和机理，为杂乱系统深度势函数的构建与使用供给了系统性的研讨办法。