《ACS Electrochemistry》：Estimating Potential-Dependent Physicochemical Properties at Metal–Electrolyte Interfaces Using Machine Learning Interatomic Potentials
编辑推荐：
为解决传统密度泛函理论分子动力学模拟在时间和空间尺度上的限制，研究人员开展了基于MACE架构的机器学习原子间势的研究，成功构建了跨21种金属-电解质体系的精确MLIPs，实现了长时程、DFT精度级的模拟，揭示了水与离子覆盖度、界面结构及电容随电位的演化规律，为理解及设计高效电化学系统提供了新工具。
在电催化、能源储存和环境修复等领域，金属与电解质接触形成的界面扮演着核心角色。无论是水分解产氢、二氧化碳还原合成燃料，还是锂离子电池的充放电过程，都发生在这样一个仅有几个原子层厚度的微观战场上。界面上水分子的排列方式、离子的分布、以及它们如何随外加电压的变化而“舞蹈”，直接决定了整个电化学装置的效率和寿命。然而，要看清这场微观尺度的舞蹈却异常困难。传统的实验手段，如X射线散射或光谱技术，往往难以在操作条件下（in operando）同时获得足够的空间和时间分辨率。而在计算模拟的世界里，基于密度泛函理论（DFT）的从头算分子动力学（AIMD）模拟虽然能够从第一性原理出发准确捕捉界面结构，但其巨大的计算成本将其限制在皮秒（10–12秒）时间尺度和数百个原子的小体系内，这使得研究那些需要长时间演化或更大空间尺度的界面现象变得步履维艰。这就像试图用一张超高清晰度但每秒只能拍一帧的照片，去理解一场瞬息万变的芭蕾舞——我们或许能看清某一瞬间的舞姿，却无从知晓整支舞蹈的编排与韵律。
为了突破这一瓶颈，来自国际研究团队的研究人员在《ACS Electrochemistry》上发表了一项创新性工作。他们巧妙地利用近年来飞速发展的机器学习方法，开发了一种名为机器学习原子间势（MLIPs）的新型工具，并将其应用于金（Au）、铜（Cu）和铑（Rh）这三种重要催化金属与氯化钠水溶液的界面研究。他们的目标很明确：构建一个既能保持密度泛函理论级别精度，又能进行纳秒（10–9秒）时长、大规模原子体系模拟的计算模型，从而系统揭示金属-电解质界面物理化学性质如何随外加电位（或表面电荷密度）演变的微观机制。
为了开展这项研究，研究人员主要采用了以下几个关键技术方法：首先，他们基于MACE（等变消息传递神经网络）架构构建了MLIPs模型，并通过一个主动学习（Active Learning）工作流来迭代优化和丰富训练数据集。其次，他们利用维也纳从头算模拟软件包（VASP）进行密度泛函理论计算和从头算分子动力学模拟，以生成训练MLIPs所需的精确能量和力数据，并对模型进行基准测试。接着，他们使用训练好的MLIPs委员会（由四个独立模型组成）进行长时间尺度（2纳秒）的分子动力学模拟。最后，通过对模拟轨迹的分析，他们计算了水与离子的密度分布、覆盖度、取向、径向分布函数、振动态密度以及界面电容等一系列关键物理化学性质。
研究结果
MACE MLIPs和MD与AIMD的对比评估
研究人员首先严格评估了所构建的MLIPs的性能。在由2049个构型组成的测试集上，模型预测能量和力的平均绝对误差分别低至0.52 meV/atom和14 meV/?，达到了密度泛函理论的精度水平。更重要的是，比较MACE-MD与AIMD模拟得到的界面性质，如水的氧、氢原子密度分布、近表面水分子取向分布以及化学吸附水覆盖度，两者表现出高度一致性。例如，对于特定表面电荷密度的Cu(111)体系，MACE-MD完美复现了AIMD预测的水密度峰值位置和水的取向分布，其余弦相似度分数和皮尔逊相关系数均接近1。这证明了训练好的MLIPs能够准确捕获界面结构的本质特征。此外，在计算效率上，MLIPs展现出巨大优势：在单个GPU上，使用单一MLIP模型每天可模拟约0.86纳秒，相比在672个CPU核心上每天仅能模拟0.8皮秒的AIMD，速度提升了近三个数量级。
氢、氧和离子在金属上的电位依赖性覆盖度
利用经过验证的MLIPs，研究人员对每个体系进行了总计6纳秒（三条独立2纳秒轨迹）的长时程模拟，以获取统计收敛的界面性质。他们系统地计算了氧向下（θOw）、氢向下（θHw）的水覆盖度以及离子覆盖度（θions）。结果发现了一个跨越所有金属的普遍趋势：水与离子的总覆盖度（θtotal）随表面电荷密度（或电位）的变化呈“S”形。具体而言，从负电荷密度（阴极电位）开始，θtotal随电荷密度增加而减小，在或略低于零电荷点（pzc）时达到最小值，之后在更正电位下又再次增加。对于Au(111)，最小覆盖度出现在零电荷点；而对于Cu(111)和Rh(111)，则略微偏移至负电位区域（约-0.4 V vs. pzc）。同时，随着电位变正，θOw增加而θHw减少，表明水分子从氢向下为主转变为氧向下为主的吸附构型。离子覆盖度的行为符合预期：Na+在负电位下占主导，Cl–在正电位下占主导。在零电荷点附近总覆盖度最低，意味着此时电极表面有更多空闲位点可供反应物吸附，这为许多电催化反应在pzc附近活性增强的实验观察提供了结构层面的解释。
界面离子积累和溶剂化壳结构
长时程模拟使得离子行为的统计收敛分析成为可能。研究表明，Cl–在所有金属表面都比Na+积累得更近，且离子与表面的距离遵循金属依赖性顺序：Rh(111) < Cu(111) < Au(111)，这与金属-离子相互作用强度一致。在正表面电荷密度下，Cl–在Rh、Cu和Au上的密度峰分别位于约2.0 ?、2.14 ?和2.55 ?处，显示出特异性吸附。径向分布函数分析显示，Na+周围的水氧原子（Ow）比Cl–周围的更近，表明Na+具有更强、更明确的水合壳。与体相相比，离子在接近界面时会发生部分去溶剂化。Cl–在体相的配位数约为10±3，在界面处最多可失去3.5个水分子；而Na+的体相配位数约为4.5-4.75，在界面处仅减少0.5-0.7个水分子，这凸显了Cl–相对较弱的水合作用及其更强的界面吸附倾向。
源自界面水和离子重排的两种电位依赖性电容机制
通过将表面电荷密度与相对于pzc的电位进行关联，研究人员计算了界面微分电容。研究发现，所有金属表面都动态地出现了两个截然不同的电容区域。在电位低于pzc的区域（U < Upzc），电容较低（Au: 17.97, Cu: 25.30, Rh: 23.78 μF/cm2）；而在电位高于pzc的区域（U ≥ Upzc），电容显著增高（Au: 54.28, Cu: 47.10, Rh: 97.19 μF/cm2）。这种双电容机制源于界面层随电位的重组。在正电位下，Cl–近距离吸附并促进氧向下水的紧密堆积，形成了更紧凑的界面电荷分布，从而对小电位变化产生大的电荷响应（高电容）。而在负电位下，较弱的离子-表面相互作用导致电容较低。在pzc附近，电位微小的变化会引起表面电荷的剧烈改变，反映了此区域界面电荷对静电扰动的极端敏感性。
不同金属上的界面溶剂性质
电位依赖性溶剂结构及界面取向
对水和氢密度分布的分析直观展示了界面水随电荷密度的重组。随着表面带正电，Ow密度峰系统性地向金属表面移动。在Cu和Rh上，当σ ≥ pzc时，甚至在2 ?以内出现第三个Ow峰，这与θOw的急剧增加相对应，表明发生了更强的氧向下化学吸附。Hw的密度分布则呈现相反趋势。水的取向分布分析进一步定量证实：在负电位下，水分子主要采取氢向下构型；在零电荷点附近，取向分布宽泛无序；在正电位下，则转变为明确的氧向下构型，尤其在Cu和Rh表面更为显著。
近表面水的振动态密度
通过对界面水进行振动态密度（VDOS）分析，研究人员从振动光谱角度揭示了氢键网络随电位的变化。在O-H伸缩振动区域（约3000-3800 cm–1），所有金属体系都表现出明显的电位依赖性。在σ ≥ pzc时，O-H伸缩带变窄，并在~3600 cm–1附近出现一个主峰，这归属于界面处参与氢键较弱的“悬空”O-H键。峰值位置存在金属差异：Au(~3650 cm–1), Cu(~3600 cm–1), Rh(~3575 cm–1)，Cu和Rh更大的红移归因于其更强的水-金属相互作用。在σ ≤ pzc（负电位）时，O-H伸缩带变宽并向低频移动（红移），反映出氢键网络的增强。特别是在Cu和Rh上，在负电位下出现的宽谱带及多重峰特征，与近表面Na+离子的积累以及水分子向氢向下构型的重组密切相关。
研究结论与意义
这项研究成功证明，基于MACE架构的机器学习原子间势能够驱动长时间尺度的分子动力学模拟，以接近密度泛函理论的精度，对电解质-金属界面的性质进行统计收敛的、系统性的预测。通过对Au(111)、Cu(111)和Rh(111)界面的深入研究，工作得出了若干普适性结论和重要机制见解。
首先，研究揭示界面水和离子的总覆盖度在零电荷点附近达到最小值，这为理解该电位附近反应物吸附增强的现象提供了直接的结构证据。其次，水的吸附构型随电位发生规律性转变，从负电位下的氢向下为主转变为正电位下的氧向下为主。第三，离子表现出显著的特异性效应：Cl–比Na+具有更强的界面亲和力，更靠近表面，并发生更显著的去溶剂化。第四，界面电容呈现两个鲜明区域，这源于电位驱动的界面水和离子重组——正电位下紧密的离子/水层导致高电容，负电位下则相反。最后，界面水的振动光谱特征，如O-H伸缩频率的位移和峰宽变化，与电位和离子诱导的氢键网络改变直接关联。
这项工作的意义在于方法论和应用层面取得了双重突破。在方法论上，它展示了主动学习工作流与先进MLIP架构（MACE）相结合，能够高效生成适用于复杂带电界面的高精度力场，将模拟时间尺度从皮秒推进到纳秒，速度提升达千倍，为在真实时间与空间尺度上研究电化学界面过程打开了新大门。在应用层面，所获得的原子尺度微观机理，如覆盖度极小值、双电容机制、离子特异性吸附与去溶剂化等，为理性设计高性能电催化剂、优化电池电极/电解质界面、理解腐蚀与电沉积等过程提供了关键的理论基础和设计指南。当然，研究也指出，对于强烈依赖全局静电学的性质，如功函数和水偶极矩分布，当前的MLIPs预测仍存在挑战，未来可能需要集成显式长程静电作用的模型。总之，这项工作标志着计算电化学领域向更真实、更动态地模拟复杂固液界面迈出了坚实的一步。
