北京大学蒋鸿团队|FT2DP：加速铁基费托体系模拟的大原子模型微调机器学习势

本文介绍了北京大学蒋鸿团队开发的FT2DP机器学习势，用于加速铁基费托合成反应的原子尺度模拟。研究背景在于传统密度泛函理论（DFT）计算受限于计算量，难以应用于大时间或空间尺度的催化过程。研究目的是通过微调上游DPA-2大原子模型，构建针对铁基费托合成的高精度机器学习势FT2DP，以提高模拟效率。研究结果表明，FT2DP在微调数据集上表现出良好的预测精度，并在反应路径计算和表面重构模拟中验证了其泛用性。此外，研究还发现部分反应路径存在能量偏差，提出了进一步优化的方向。