近期，我校理學院特聘研究員高昂與美國羅格斯大學合作者Richard C. Remsing博士在分子模拟研究領域取得重要進展。通過融合人工智能技術和電子的自洽場理論，高昂研究員與其合作者創新性地構建了分子模拟的自洽場神經網絡(Self-Consistent Field Neural Network) 模型，精确地描述了長程靜電相互作用。該研究成果在分子模拟方面的精度比目前業界最前沿的第四代高維度神經網絡勢能模型（4GHDNNP）更高。基于上述研究成果的論文于2022年3月23日發表在《自然》子刊《Nature Communications》上，北京郵電大學為論文第一完成單位，高昂研究員為論文第一作者及通訊作者。

圖：自洽場神經網絡模型的結構

分子模拟（Molecular Simulation）是指利用計算機以原子水平的分子模型來模拟分子結構與運動，進而模拟分子體系的各種物理、化學性質的方法，既可以模拟分子的靜态結構，也可以模拟分子體系的動态行為。作為主要的分子模拟方法之一，分子動力學模拟是利用牛頓力學和量子力學對分子的運動行為進行計算機模拟。分子模拟在新冠肺炎的相關研究中得到了廣泛應用。國内外的許多研究團隊利用分子模拟的技術篩選治療新冠病毒的抗體，或利用分子模拟研究新冠病毒的新變種對人體細胞的入侵能力。分子模拟在癌症藥物的開發中也起到了重要作用，這項技術被用來篩選治療癌症的靶向藥物。分子模拟還在蛋白質結構預測、新材料研發等方面得到了廣泛應用。

人工智能在分子動力學模拟中的廣泛應用是近年來相關領域研究的一個新趨勢。基于神經網絡的分子動力學模拟的精度可以與基于量子力學的分子動力學模拟相媲美，而其運算速度卻比後者快上萬倍。但是通過神經網絡進行分子模拟的一個難點是處理長程靜電相互作用。傳統的神經網絡分子動力學模型（如Behler-Parrinello模型）隻能描述分子之間的短程相互作用，因而無法描述介電響應、電子極化等重要性質。

為了解決這一挑戰，高昂研究員與合作者以凝聚态物理中描述自由電子氣對電場響應的自洽場理論為基礎，結合人工智能技術，提出了自洽場神經網絡模型。在論文中高昂和合作者利用自洽場神經網絡模型對液态水進行了研究，證明了該模型可以精确描述水分子之間的長程關聯、水對外電場的響應、水分子的電子極化以及空氣-水界面處水分子的偶極矩分布，并證明了自洽場神經網絡模型能比第四代高維度神經網絡勢能（4GHDNNP）模型能更準确地描述水分子的偶極矩漲落。

圖：自洽場神經網絡模型可以精确描述水分子的長程關聯以及其對外電場的響應

高昂及合作者表示，自洽場神經網絡模型是一個通用框架，可以與目前常用的許多神經網絡模型融合，因此可以預期該模型将可能被集成運用于目前廣泛應用的神經網絡分子動力學模拟中，另一方面，當前介電性質對電子器件的性能有重要影響，由于自洽場神經網絡模型可以準确模拟材料的介電性質，因此該模型将可以在電子器件的計算機輔助設計中得到應用，有助于實現超級電容、新能源電池等新型儲能器件。

高昂為北京郵電大學特聘研究員、博士生導師，已在Nature Communications、 PNAS、 iScience等頂級期刊發表多篇學術論文，研究方向包括分子動力學模拟、第一性原理計算、人工智能、生物物理等。

瞄準世界科技前沿

堅定為國初心使命

面對社會和人民所需

北郵人永不缺席

讓我們為勇攀高峰、不懈探索的

北郵科技工作者點贊！

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!