基于密度泛函理论与自适应力匹配方法的电池溶剂关键组分性质预测

《Journal of Chemical Theory and Computation》：Predicting Properties of Key Ingredients of Battery Solvents with Density Functional Theory and Adaptive Force Matching

　　

电池性能高度依赖溶剂性质，溶剂在离子溶剂化、电导率及电化学稳定性中发挥关键作用，但传统力场模型对这类性质的预测精度不足。研究人员针对电池溶剂中三类常见组分——二甲胺（DMA）、碳酸二甲酯（DMC）与四氢呋喃（THF），基于B3LYP-D3(BJ)泛函开发了自适应力匹配（AFM）模型。结果表明，AFM模型在预测密度、汽化焓、黏度、扩散系数、沸点及汽化自由能等关键性质时显著优于OPLS-AA（CM1A）、GAFF2及GROMOS 54A7等传统力场。其中AFM模型的平均百分比误差约为13%，远低于表现最优的传统力场GAFF2的21%。该结果证实了AFM在电池溶剂物理性质预测中的潜力，对化学、材料科学等需要高精度预测以理解复杂现象、设计创新材料与体系的领域具有重要应用价值。

该研究发表于《Journal of Chemical Theory and Computation》，聚焦电池溶剂性质预测的核心瓶颈问题。电池性能高度依赖溶剂的离子溶剂化能力、摩尔电导率及电化学稳定性，理想溶剂还需兼具低熔点与低蒸气压以保证宽温域稳定运行。当前分子动力学（MD）模拟是解析电解液-溶剂微观相互作用的核心手段，但传统力场模型多依赖实验数据拟合，易因误差抵消效应导致对非拟合性质的预测可靠性不足。基于第一性原理的Car–Parrinello分子动力学（CPMD）与Born–Oppenheimer分子动力学（BOMD）虽精度更高，但计算成本极高，难以模拟大体系与长时程过程，且纯密度泛函理论（DFT）的电荷离域误差会影响极性溶剂的模拟精度。自适应力匹配（AFM）方法通过拟合凝聚相环境下的量子力学（QM）力场构建分子力学力场，可在保留第一性原理精度的同时大幅提升计算效率，为电池溶剂的高精度模拟提供了新路径。

研究采用的关键技术方法包括：以B3LYP-D3(BJ)为参考泛函，采用def2-TZVP基组并引入Grimme D3色散校正与Becke–Johnson（BJ）阻尼方案；通过Packmol构建初始模拟盒子，以OPLS-AA（CM1A）力场为初始猜测，采用迭代式AFM流程，包含采样、量子力学/分子力学（QM/MM）计算与力匹配三个核心步骤，QM区域采用库仑嵌入，通过CRYOFF程序拟合力场参数；性质计算基于GROMACS 2019.2，采用Nose–Hoover thermostat与Parrinello–Rahman barostat控温控压，通过Einstein关系结合有限尺寸校正计算扩散系数，基于Green–Kubo方法计算黏度，通过Bennett Acceptance Ratio（BAR）方法计算汽化自由能，结合Gibbs–Helmholtz关系推导沸点。

2. AFM模型构建

研究人员针对DMA、DMC与THF三类分子开展AFM模型开发，首先基于液相模拟提取分子二聚体构象用于拟合C₆与C₈色散参数，采用短程阻尼色散形式并约束参数为吸引项。AFM迭代包含采样、QM/MM计算与力匹配三个步骤：采样阶段在NPT/NVT条件下运行1 ns分子动力学模拟，每个温度提取100个构象；QM/MM阶段将体系划分为拟合区、缓冲区与分子力学区，采用ORCA软件进行B3LYP-D3(BJ)/def2-TZVP计算；力匹配阶段通过电荷矩阵分解（CMD）方法确定原子电荷，采用指数排斥项拟合排斥作用，通过稳定性筛选剔除冗余排斥项，最后优化分子内键、角与二面角参数。模型在第三代迭代达到收敛，最终将后四代结果进行全局拟合，单分子模型开发仅需1200次QM/MM计算，在20核AMD EPYC处理器上单体系开发耗时约30~120小时。

3. 性质计算方法

研究人员选取密度（ρ）、汽化焓（ΔH_vap）、黏度（η）、自扩散系数（D）、静态介电常数（ε_s）、汽化自由能（ΔG_vap）与沸点（T_b）作为评价指标，对比AFM模型与OPLS-AA（CM1A）、GAFF2、GROMOS 54A7传统力场的性能。针对AFM模型中C₈色散项的截断效应，研究人员手动校正能量与压力项以保证模拟精度。DMA性质计算温度为273.15 K，DMC与THF为298.15 K，所有模拟采用500分子立方盒子，通过多组独立模拟保证统计可靠性，其中黏度计算采用至少5组20 ns独立模拟，汽化自由能计算采用40个λ窗口的炼金自由能方法。

4. 结果与讨论

密度与汽化焓结果显示，AFM模型在6项指标中取得3项最优：DMA的密度与汽化焓、DMC的汽化焓预测精度均高于传统力场，THF的密度与汽化焓误差分别为5%与2 kJ/mol，虽略低于OPLS-AA（CM1A）与GAFF2，但仍保持优异一致性。

传输性质结果显示，AFM模型对DMA扩散系数的预测值与同系物外推值仅偏差0.2~0.4×10^-9 m²s^-1；DMC的黏度与扩散系数预测误差分别为0.04 mPa·s与0.3×10^-9 m²s^-1，为所有模型中最优；THF的黏度预测值与实验值仅差0.01 mPa·s，扩散系数偏差0.5×10^-9 m²s^-1，略高于传统力场。

热力学性质结果显示，AFM模型对DMA的沸点与汽化自由能预测值与实验值几乎一致，偏差仅1 K与0.02 kJ/mol；THF的沸点预测值仅高估4 K，为所有模型最优；DMC的沸点与汽化自由能略低于实验值，与GAFF2的误差抵消效应相比，AFM的预测更具物理一致性。静态介电常数方面，AFM模型对DMA高估1倍，THF高估50%，DMC低估20%，性能略逊于GAFF2与GROMOS，研究人员认为这源于固定电荷模型的固有局限，未考虑极化效应与电子极化-分子转动的耦合效应。

平均百分比误差统计显示，AFM模型总平均误差为13.2%，远低于GAFF2的21.1%、GROMOS 54A7的32.4%与OPLS-AA（CM1A）的40.5%，其中传输性质的精度提升最为显著。

5. 总结与结论

AFM方法的核心目标是通过映射第一性原理势能面（PES）至分子力学能量表达式，在大幅降低计算成本的同时保留电子结构方法的精度，从而实现对有限温度性质的高效预测。本研究证实，基于B3LYP-D3(BJ)的AFM模型无需拟合任何实验数据即可实现电池溶剂多性质的高精度预测，平均误差较最优传统力场降低近40%，尤其在传输性质预测上优势显著。静态介电常数的预测偏差揭示了固定电荷模型的局限，未来需引入可极化势以提升介电响应模拟精度。该研究为电池溶剂的高通量筛选与新体系设计提供了可靠工具，对能源存储材料开发具有重要推动作用，也为凝聚态体系的力场构建提供了普适性方法参考。