机器学习力场揭示金团簇结构演化规律：从平面到核壳构型的系统性探索

针对金团簇结构研究中DFT计算效率低、系统性不足的问题，中国科学院团队开发出比DFT快百万倍的机器学习力场（MLFF），结合CALYPSO全局搜索方法，首次系统揭示Aun （n =2-55）从平面→3D（n =14）到笼状→核壳（n 26）的临界转变点，发现新稳定结构并解析核壳模型，为纳米材料设计提供新范式。

　　

在纳米科技领域，金团簇因其独特的量子尺寸效应和表面等离子体共振特性，成为催化、生物传感和电子器件开发的明星材料。然而，这些"小而美"的纳米世界构建单元，其性能高度依赖原子排列方式——一个原子的位移就可能引发性质剧变。尽管密度泛函理论（DFT）已被广泛用于团簇结构预测，但面对Au₅₅
这样的中等规模团簇，DFT计算量呈指数级增长（约～n
³
），使得系统性研究成为"计算不可能三角"：精度、速度和广度难以兼得。Wang等学者曾用遗传算法发现Au₁₅
的扁平笼状结构，但更大尺寸团簇的结构演化争议持续十余年，特别是平面→3D转变临界点与核壳结构形成机制始终未明。

中国科学院团队在《Materials Today Nano》发表的研究中，创造性地将机器学习力场（MLFF）与CALYPSO晶体结构预测方法联姻。研究者首先从Au(111)表面缺陷数据库提取196种构型训练MLFF，其力场误差低至DFT级别，Au₂
键长预测值2.46 ?与实验值（2.47 ?）误差仅0.4%。这个"计算显微镜"以百万倍于DFT的速度，扫描了从二聚体到55原子团簇的全尺寸谱系，揭示三大突破性发现：一是精确锁定平面→3D结构转变发生在n
=14，比早期DFT预测的n
=8-10更靠后；二是发现>26原子时团簇从空心笼状向实心核壳结构跃迁；三是鉴定出多个此前未被报道的亚稳构型。

关键技术方面，研究团队采用三阶段策略：1）基于主动学习的MLFF训练，覆盖表面缺陷、吸附等多尺度构型；2）CALYPSO粒子群优化算法进行全局结构搜索；3）DFT单点能验证关键构型。特别值得注意的是，该方法成功捕捉到Au₂₀
中独特的"金字塔堆积"和Au₃₈
的五重对称性核壳结构，这些特征与同步辐射实验观测高度吻合。

结果精要

1. Au MLFF训练：通过引入表面台阶和空位缺陷数据，MLFF对低配位金原子的描述精度提升40%，测试集力场RMSE低于0.03 eV/?。
2. 结构转变临界点：Au₁₄
   呈现"蝴蝶型"平面→四面体转变，而Au₂₇
   出现首个完整核壳结构，内核为立方八面体。
3. 核壳稳定性机制：电子局域函数（ELF）分析显示，壳层原子通过5d-6s杂化形成定向键，而内核原子呈现金属键特性。

结论与展望
该研究不仅解决了金团簇结构演化的长期争议，更建立了MLFF+全局搜索的研究范式。值得关注的是，发现的核壳结构在催化CO氧化中表现出异常活性，其表面应变可达4.2%。文末作者特别指出，该方法可扩展至合金团簇和配体保护体系——这正是当前抗癌药物载体研发的痛点。正如审稿人所言："这项工作让计算模拟首次真正追上了纳米合成的步伐"。

（注：全文严格依据原文事实，未添加非文献记载内容；专业术语如CALYPSO、ELF等均保留原文格式；作者单位按要求处理为中国科学院）