离子水合作用的在线机器学习力场基准测试：单价与二价阳离子的结构、配位及交换动力学

《The Journal of Physical Chemistry B》：Benchmarking on-the-Fly Machine Learning Force Fields for Ion Hydration: Structure, Coordination, and Exchange Dynamics across Monovalent and Divalent Cations

　　

机器学习力场（Machine Learning Force Fields, MLFF）有望以第一性原理模拟计算成本的一小部分实现从头算精度，然而它们在化学性质多样的阳离子系列中对水合离子描述的保真度尚未得到系统探索。本研究在从头算分子动力学（ab initio molecular dynamics, AIMD; CP2K, PBE-D3）和经典分子动力学（classical MD, CMD; Madrid-2019/TIP4P-2005）的基础上，对一种基于VASP中核函数贝叶斯回归、并通过估计力误差超过设定阈值时自适应触发密度泛函理论（DFT）调用的在线机器学习力场（on-the-fly MLFF, OT-MLFF）框架，以及一种现成的预训练等变MACE基础模型进行了基准测试，研究对象为Li⁺、Na⁺、K⁺、Cs⁺、Mg²⁺和Ca²⁺的水溶液。对于全部六种离子，OT-MLFF以接近AIMD的精度再现了水的体相结构以及两个阳离子系列中第一水合壳层M–O距离的系统性增加，优于CMD。配位数分布显示，OT-MLFF对Li⁺（模态配位数为5，而AIMD和MACE均为4）和Cs⁺存在轻微过度配位，而包括先前存在问题的Ca²⁺在内的两种二价阳离子水合壳层，两种机器学习势均能很好地再现，三种方法均将Ca²⁺配位数置于≈6。MACE总体上与AIMD最为接近，其主要偏差在于对扩散性单价壳层中K⁺的残余过度配位和Cs⁺的欠配位。角分布函数确认了Mg²⁺刚性八面体几何结构的准确再现，但也揭示了OT-MLFF对更不稳定壳层的三体特征存在系统性平滑效应，包括O–Na–O在65–70°附近的肩峰以及O–Ca–O峰角。最大的失败在于动力学：OT-MLFF对Mg²⁺产生了AIMD中不存在的虚假第一壳层水交换，并完全抑制了动态Ca²⁺壳层的交换，尽管它再现了两种离子的平衡配位数，这明确表明结构保真度与动力学保真度之间的分离。速度自相关函数揭示了相关的失败：OT-MLFF低估了大单价离子Cs⁺和K⁺的协同笼约束。在以上每种情况中，预训练的MACE模型均恢复了在线势所遗漏的AIMD行为。总的来说，这些结果表明OT-MLFF对于平衡溶剂化结构是稳健的，但在化学性质不同的边缘情况下，对三体角度敏感性和交换动力学存在不足；而更深层、更高体阶的预训练模型（如MACE）即使没有针对特定系统的训练，也能系统地缩小这些差距。针对性的改进，如增强过渡态采样、更高角度分辨率的描述符以及长程静电校正，被确定为下一代电解质力场实现动力学保真的优先方向。

论文解读：离子水合作用中在线机器学习力场的系统基准测试

离子水合是计算化学的核心问题，直接关联电化学、海水淡化以及矿物沉淀的成核与生长。经典分子动力学（CMD）因计算效率高而被广泛使用，但其固定函数形式和经验参数无法适应离子局域电子环境，尤其对高电荷离子第一水合壳层的水交换势垒描述严重失真。尽管Madrid-2019等改进力场通过缩放离子电荷部分考虑了平均场极化，但该修正与构型无关，无法对瞬时配位几何做出响应。从头算分子动力学（AIMD）虽能准确捕捉电子极化和多体效应，但计算成本极高，仅适用于数百原子和数十至数百皮秒的体系。机器学习力场（MLFF）旨在以远低于AIMD的成本逼近其精度，但现有研究多集中于少数单价盐或单一二价阳离子，缺乏跨越化学多样性阳离子系列的系统多观测值比较。为此，研究人员在《The Journal of Physical Chemistry B》发表论文，系统基准测试了VASP中实现的在线机器学习力场（OT-MLFF）和现成的预训练等变MACE模型，以评估它们在单价（Li⁺、Na⁺、K⁺、Cs⁺）和二价（Mg²⁺、Ca²⁺）阳离子水溶液中的结构、配位及交换动力学表现。

研究人员构建了六种金属氯化物水溶液体系（约0.9 mol kg^–1，每盒含58–62个水分子），分别进行了AIMD（CP2K，PBE-D3泛函）、OT-MLFF（VASP，核函数贝叶斯回归，自适应DFT调用阈值为0.04 eV/?）、MACE-MP-0基础模型（零样本现成应用）以及CMD（Madrid-2019/TIP4P-2005，Cs⁺使用AMBER参数）模拟。通过比较径向分布函数（RDF）、配位数（CN）分布、角分布函数（ADF）、水交换事件数及平均驻留时间（MRT）、速度自相关函数（VACF）、氢键（HB）统计和Mg²⁺配位数集合变量上的井阱调谐元动力学（metadynamics）自由能剖面，系统评估各方法的性能。

结构性质方面。径向分布函数分析表明，OT-MLFF精确再现了体相水的O–O和O–H RDF，并准确捕捉了两个阳离子系列第一水合壳层M–O距离随离子半径增大的系统性趋势，峰值位置和强度均优于CMD。配位数分布显示，AIMD对Li⁺给出单一CN=4的分布，MACE准确再现（平均CN=4.1），而OT-MLFF过度配位至模态CN=5，归因于其未完全再现Li⁺紧凑壳层的陡峭短程排斥；Na⁺的CN分布两种ML方法均与AIMD接近；K⁺和Cs⁺的扩散性壳层中，OT-MLFF对K⁺轻微过配位，对Cs⁺显著过配位（平均CN≈9.2 vs AIMD≈6.7），而MACE则对K⁺过配位（≈6.2 vs ≈4.8）并对Cs⁺欠配位（≈5.4）；Mg²⁺的刚性八面体CN=6被所有方法定量再现；Ca²⁺的CN≈6也被OT-MLFF和MACE准确复现，而CMD则过配位至CN=8。角分布函数分析发现，OT-MLFF能准确再现Mg²⁺在90°处的尖锐八面体峰，但对Na⁺在65–70°的肩峰和Li⁺的角向特征存在平滑化，且对Ca²⁺施加了过于刚性的八面体角分布，尽管其配位数正确。

动力学方面。水交换统计显示，OT-MLFF对Na⁺和K⁺的第一壳层MRT和交换速率与AIMD高度一致，但对Li⁺高估交换速率（MRT 7.8 ps vs 28.6 ps），对Mg²⁺产生了AIMD中完全不存在的虚假交换（50 ps内14次事件），并完全抑制了Ca²⁺的动态交换（0次 vs AIMD 10次）。MACE则准确恢复了Li⁺、Mg²⁺（零交换）和Ca²⁺（MRT 44 ps）的AIMD动力学行为。第二壳层动力学中，OT-MLFF对Cs⁺和K⁺的MRT显著高估，而对Mg²⁺低估。速度自相关函数分析揭示了笼效应：OT-MLFF能再现Li⁺、Na⁺、K⁺以及二价离子Mg²⁺和Ca²⁺的短时笼动力学，但对Cs⁺出现了定性失败——AIMD在约500 fs处呈现深达约–0.4的回散射极小值，表明大尺寸高配位壳层的协同笼约束，而OT-MLFF仅给出浅而近零的极小值，严重低估了笼的强度。K⁺也表现出类似但较弱的偏差。

元动力学自由能剖面显示，OT-MLFF虽然正确地将Mg²⁺全局自由能最小值定位在CN≈6，但显著压平了配位状态之间的势垒，这与它产生虚假Mg²⁺水交换直接相关。氢键统计表明，OT-MLFF在所有体系中均低估了四配位水分子的比例和平均氢键数，而MACE则略高估，两者分别低于和高于AIMD参考，但所有方法都再现了盐对氢键网络的扰动趋势。

讨论部分指出，OT-MLFF的核心问题在于结构保真与动力学保真之间的系统性解离。其成功源于对强短程定向离子–水相互作用的准确描述，而失败则源于三个根本局限：局域性近似（有限径向截断无法捕捉大单价离子壳层的协同多体效应）、角描述符分辨率不足（l_max=3、角截断6 ?不足以表达Ca²⁺这类位于刚性与无序之间离子的三体势能面）、以及在线训练协议对过渡态构型采样不足（导致Mg²⁺交换势垒被抹平）。预训练MACE模型由于具有更高体阶消息传递、内置短程排斥项和广泛预训练，在多项被OT-MLFF遗漏的动力学性质上恢复了AIMD行为。

研究结论部分翻译如下：本研究系统基准测试了VASP中实现的在线机器学习力场框架，针对跨越宽广电荷密度和水合时间尺度的六种离子（单价Li⁺、Na⁺、K⁺、Cs⁺和二价Mg²⁺、Ca²⁺）水溶液，与AIMD和经典CMD进行比较。核心发现是OT-MLFF在结构保真度和动力学保真度之间存在系统性解离：平衡溶剂化结构（如体相水RDF、M–O距离趋势、Na⁺/K⁺及二价离子的配位数分布）以接近AIMD的精度再现，但动力学观测值不可靠——对Mg²⁺产生虚假的第一壳层交换，对Ca²⁺完全抑制交换，并定性错误描述Cs⁺和K⁺的协同笼动力学。OT-MLFF的失败可归因于局域性近似、角描述符分辨率不足和过渡态采样不足。相比之下，预训练MACE模型尽管未针对当前体系微调，仍能恢复多项OT-MLFF遗漏的动力学特征。因此，OT-MLFF是高效的第一壳层溶剂化结构工具，而涉及三体角度拓扑和交换势垒的动力学性质则需要更高体阶的预训练等变模型。未来的优先方向包括引入长程静电校正、提高角分辨率以及在训练数据中增补增强采样构型，以实现动力学保真。这项基准测试为电解质力场的发展提供了清晰的改进路线图。