AutoDrude：可微学习聚合物电解质Drude力场

MIT的Artur Lyssenko、KyuJung Jun和Rafael Gomez-Bombarelli在论文摘要中提出可微分框架AutoDrude，直接从DFT能量、力和偶极矩参数化可极化Drude力场，无需经验调参，模拟成本仅为固定电荷力场的1.20倍。 基于论文摘要，在PEO-LiTFSI聚合物电解质体系中，采用偶极硬约束的AutoDrude模型预测的离子电导率平均绝对百分比误差为17%，与最优电荷缩放模型的16%相当，并复现了阳离子转移数及其随盐浓度的变化，以及低浓度下不形成Li-TFSI接触离子对。 软约束（罚函数）变体虽更贴合DFT参考数据，电导率却最多低估一个数量级，表明偶极约束方式直接影响输运预测的准确性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。