厦门大学汤富杰/程俊团队J. Chem. Phys：通过基于机器学习的计算振动光谱揭示α-Al2O3(0001)-水界面微观结构

本文介绍了厦门大学汤富杰和程俊团队利用机器学习（ML）技术加速计算固液界面振动光谱的研究。研究背景指出，固液界面对许多物理和化学过程至关重要，而和频光谱（SFG）作为界面敏感光谱学手段，需要分子动力学（MD）模拟进行理论计算。然而，传统MD模拟计算成本高，限制了其应用。为此，研究团队提出了一种基于ML的加速方法，通过训练Deep Potential（DP）和Deep Wannier（DW）模型，成功预测了分子结构的势能、力、偶极矩和极化率，从而快速且低成本地计算了α-Al2O3(0001)-水界面的振动光谱。研究结果表明，ML模型达到了第一性原理的计算精度，且计算光谱与实验光谱特征相吻合。该方法不仅解决了传统MD模拟计算成本高的问题，还为电化学研究中的界面双电层提供了新的可能性。