arXiv · Materials Science· Artur Lyssenko, KyuJung Jun, Rafael Gomez-Bombarelli·· 5 小时前
AutoDrude：端到端学习用于聚合物电解质的可极化Drude力场
Drude, Where's My Charge? End-to-End Learning of Polarizable Drude Force Fields for Polymer Electrolytes
arXiv:2610.12799v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Artur Lyssenko, KyuJung Jun, Rafael Gomez-Bombarelli
研究任务与主要进展
作者提出可微分框架AutoDrude，直接利用DFT能量、力和偶极矩参数化可极化Drude力场，计算成本为固定电荷模拟的1.20倍。基于论文摘要，在PEO-LiTFSI中，硬约束AutoDrude的电导率平均绝对百分比误差为17%，并复现阳离子转移数及其随盐浓度增加的变化，以及低浓度下不形成Li-TFSI接触离子对；软约束变体虽更贴合DFT参考，电导率却最多低估一个数量级。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · Materials Science · arxiv.org