arXiv · Materials Science· Yizhi Song, Bharatha K. Gunawardana, Kriti Alam, Teresa Shah, Deepa Ranabhat, Hsin-Yu Ko·· 1 天前
AI加速第一性原理方法预测无定形pDXL微观结构
Bottom-Up Prediction of Amorphous Poly(1,3-dioxolane) using Ab Initio Reactive Machine-Learning Force Fields
arXiv:2610.09388v1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：Yizhi Song, Bharatha K. Gunawardana, Kriti Alam, Teresa Shah, Deepa Ranabhat, Hsin-Yu Ko
首次提交：2026-10-07 11:45
研究任务与主要进展
研究利用AI²-BPSP框架，在实验合成条件下模拟pDXL的活性聚合过程，并预测其无定形微观结构；机器学习力场基于范德华校正混合密度泛函理论训练。预测衍射信号可分解为约q=1.5 Å⁻¹处随单体消耗而衰减的单体贡献，以及约q=1.6 Å⁻¹处随链长增长而增强的聚合物贡献。结果基于论文摘要，作者提出后续与实验开展准确性验证。
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