通过二维环状聚合物分子动力学方法，在基于Δ机器学习得到的势能面上确定了MnO+与H2/D2反应的速率

《Physical Chemistry Chemical Physics》：Two-dimensional ring polymer molecular dynamics determination of the MnO+ + H2/D2 reaction rates on a Δ-machine learned potential energy surface

本研究通过改进DFT计算的MnO+ + H2反应最低多重态势能面（新增2953个CCSD(T)/AVDZ计算点），结合Δ-ML方法，利用环聚合物分子动力学（RPMD）分析核量子效应，揭示该反应中量子效应显著，速率系数比经典方法高2.3-3.1倍，KIE值（1.6-1.8）与实验吻合，为气相催化反应机理研究提供新方法。

　　

在这项研究中，我们探讨了核量子效应对MnO⁺ + H₂反应动力学的影响。该反应是过渡金属氧化物离子活化气相H₂的典型示例。我们之前研究中基于密度泛函理论（DFT）得到的最低五重态和七重态自旋态的势能面（PESs）[Y. Liu等人，《J. Phys. Chem. A》，2025，129，6306–6314]通过使用Delta机器学习（Δ-ML）方法新增了2953个CCSD(T)/AVDZ计算点得到了改进。为了研究核量子效应，我们采用了环状聚合物分子动力学（RPMD）方法来计算反应速率系数。由于该反应的机理较为复杂，需要两个反应坐标来构建自由能面，并因此发展出了扩展的RPMD速率理论。在新得到的PESs基础上计算的RPMD速率系数与实验数据更为吻合。计算得到的动力学同位素效应（KIEs）范围为1.6至1.8，也与实验值相符。此外，在研究的温度范围内，RPMD计算得到的速率系数比经典理论计算的结果高出2.3至3.1倍，这表明该反应中存在中等程度的核量子效应。