然而,現有的建模方法不能很好地同時描述微觀尺度的離子相互作用與宏觀尺度的外場效應,特別是在處理復雜條件下的界面問題時,難以兼顧準確性與計算效率。
最近,華東理工大學劉洪來教授和練成教授團隊發展了一種深度神經網絡增強的介觀熱力學模型 (DeepMT model),利用化學勢來兼顧電解質的微觀描述和外場效應的宏觀影響,并引入深度神經網絡方法,實現快速、準確預測電極/電解質界面的離子分布和熱力學性質。


總之,該工作提供了一種電化學界面的經典熱力學理論與人工智能算法結合的方法。最大優點是在介觀尺度下,精確且高效地解得雙電層結構和性質。
Dr. Haolan Tao,?Sijie Wang,?Prof.?Dr. Honglai Liu,
Prof. Cheng Lian
文章的第一作者是華東理工大學博士后陶浩蘭和博士生王思潔
Angewandte Chemie International Edition
DOI:?10.1002/anie.202418447