基于等变图神经网络双模型框架解析碳纳米管限域氙的129Xe NMR磁屏蔽行为

《Physical Chemistry Chemical Physics》：Carbon nanotube-induced magnetic shielding effects on 129Xe NMR from equivariant neural networksOpen Access

　　

等变图神经网络（EGNNs）在构建高效且准确的机器学习原子势（MLIPs）用于分子动力学（MD）以及实现复杂系统中核磁共振（NMR）参数预测方面已显示出成功应用。本研究中，EGNNs被用于微调一个原子级基础模型，该模型作为MLIP用于碳纳米管中氙的大规模分子动力学模拟。此外，EGNNs还被用于开发一个针对¹²⁹Xe NMR磁屏蔽张量σ的机器学习模型，使其能够从MLMD快照中直接进行预测。两种模型都具有数据高效性，并在远超其训练数据的范围内保持准确性。利用这一双模型框架，我们表明封装在碳纳米管中的氙经历了一种由纳米管诱导的负值¹²⁹Xe各向同性化学位移，该位移随纳米管直径呈非单调变化，并且进一步取决于温度和Xe负载，从而确立了这种双模型方法作为解释限域驱动¹²⁹Xe NMR响应的有效途径。

此内容仅通过PDF提供。

打开 PDF 另开窗口查看关于碳纳米管诱导的等变神经网络对129Xe NMR磁屏蔽效应的文章

? 2026 The Author(s). Published by the Royal Society of Chemistry on behalf of the Owner Societies

2026

The Author(s)

本文在Creative Commons Attribution 4.0 Unported Licence下授权。您可以在其他出版物中使用本文内容，无需向RSC申请额外许可，只需提供正确的致谢即可。

本文工作在 Creative Commons Attribution 4.0 International License 下授权。