点赞北邮人！分子模拟研究领域再获新进展

 BUPT  北邮 

近期，我校理学院特聘研究员高昂与美国罗格斯大学合作者Richard C. Remsing博士在分子模拟研究领域取得重要进展。通过融合人工智能技术和电子的自洽场理论，高昂研究员与其合作者创新性地构建了分子模拟的自洽场神经网络(Self-Consistent Field Neural Network) 模型，精确地描述了长程静电相互作用。该研究成果在分子模拟方面的精度比目前业界最前沿的第四代高维度神经网络势能模型（4GHDNNP）更高。基于上述研究成果的论文于2022年3月23日发表在《自然》子刊《Nature Communications》上，北京邮电大学为论文第一完成单位，高昂研究员为论文第一作者及通讯作者。

图：自洽场神经网络模型的结构

分子模拟（Molecular Simulation）是指利用计算机以原子水平的分子模型来模拟分子结构与运动，进而模拟分子体系的各种物理、化学性质的方法，既可以模拟分子的静态结构，也可以模拟分子体系的动态行为。作为主要的分子模拟方法之一，分子动力学模拟是利用牛顿力学和量子力学对分子的运动行为进行计算机模拟。分子模拟在新冠肺炎的相关研究中得到了广泛应用。国内外的许多研究团队利用分子模拟的技术筛选治疗新冠病毒的抗体，或利用分子模拟研究新冠病毒的新变种对人体细胞的入侵能力。分子模拟在癌症药物的开发中也起到了重要作用，这项技术被用来筛选治疗癌症的靶向药物。分子模拟还在蛋白质结构预测、新材料研发等方面得到了广泛应用。

人工智能在分子动力学模拟中的广泛应用是近年来相关领域研究的一个新趋势。基于神经网络的分子动力学模拟的精度可以与基于量子力学的分子动力学模拟相媲美，而其运算速度却比后者快上万倍。但是通过神经网络进行分子模拟的一个难点是处理长程静电相互作用。传统的神经网络分子动力学模型（如Behler-Parrinello模型）只能描述分子之间的短程相互作用，因而无法描述介电响应、电子极化等重要性质。

为了解决这一挑战，高昂研究员与合作者以凝聚态物理中描述自由电子气对电场响应的自洽场理论为基础，结合人工智能技术，提出了自洽场神经网络模型。在论文中高昂和合作者利用自洽场神经网络模型对液态水进行了研究，证明了该模型可以精确描述水分子之间的长程关联、水对外电场的响应、水分子的电子极化以及空气-水界面处水分子的偶极矩分布，并证明了自洽场神经网络模型能比第四代高维度神经网络势能（4GHDNNP）模型能更准确地描述水分子的偶极矩涨落。

图：自洽场神经网络模型可以精确描述水分子的长程关联以及其对外电场的响应

高昂及合作者表示，自洽场神经网络模型是一个通用框架，可以与目前常用的许多神经网络模型融合，因此可以预期该模型将可能被集成运用于目前广泛应用的神经网络分子动力学模拟中，另一方面，当前介电性质对电子器件的性能有重要影响，由于自洽场神经网络模型可以准确模拟材料的介电性质，因此该模型将可以在电子器件的计算机辅助设计中得到应用，有助于实现超级电容、新能源电池等新型储能器件。

高昂为北京邮电大学特聘研究员、博士生导师，已在Nature Communications、 PNAS、 iScience等顶级期刊发表多篇学术论文，研究方向包括分子动力学模拟、第一性原理计算、人工智能、生物物理等。

瞄准世界科技前沿

坚定为国初心使命

面对社会和人民所需

北邮人永不缺席

让我们为勇攀高峰、不懈探索的

北邮科技工作者点赞！

出品：党委宣传部（新闻中心）

制作：北京邮电大学学生记者团

来源：理学院

排版：梅皓

责编：董思捷

＊