[논문 리뷰] Isotope effects on molecular structures and electronic properties of liquid water via deep potential molecular dynamics based on SCAN functional

Jianhang Xu, Chunyi Zhang외 4명|arXiv (Cornell University)|2020. 12. 09.

Quantum, superfluid, helium dynamics참고 문헌 2인용 수 4

한 줄 요약

이 연구는 깊이 있는 잠재력 분자역학(DPMD)과 SCAN 교환-상관 기능, 페인만 경로-적분(PI) 방법을 조합하여 액체 물에서 핵 양자 효과(NQEs)를 모델링한다. PI-DPMD가 SCAN에 기반하여 이소토프 효과를 방사 및 각도 분포 함수, 수소 결합 구조, 전자적 성질에서 정확하게 재현함을 보여주며, 더 가벼운 H2O는 D2O보다 더 강한 NQEs를 보이며, 양자 효과 하에서 이중극자 모멘트가 증가함을 나타낸다.

ABSTRACT

Feynman path-integral deep potential molecular dynamics (PI-DPMD) calculations have been employed to study both light (H$_2$O) and heavy water (D$_2$O) within the isothermal-isobaric ensemble. In particular, the deep neural network is trained based on ab initio data obtained from the strongly constrained and appropriately normed (SCAN) exchange-correlation functional. Because of the lighter mass of hydrogen than deuteron, the properties of light water is more influenced by nuclear quantum effect than those of heavy water. Clear isotope effects are observed and analyzed in terms of hydrogen-bond structure and electronic properties of water that are closely associated with experimental observables. The molecular structures of both liquid H$_2$O and D$_2$O agree well with the data extracted from scattering experiments. The delicate isotope effects on radial distribution functions and angular distribution functions are well reproduced as well. Our approach demonstrates that deep neural network combined with SCAN functional based ab initio molecular dynamics provides an accurate theoretical tool for modeling water and its isotope effects.

연구 동기 및 목표

• 고급 백터로부터의 방법을 사용하여 액체 물의 분자 및 전자 구조에 대한 핵 양자 효과(NQEs)를 조사하기 위해.
• 표준 DFT 기능들이 물에서 수소 결합과 전자 이완을 기술하는 데 한계를 보이는 문제를 해결하기 위해.
• 방사 및 각도 분포 함수, 수소 결합 네트워크, 전자적 성질에서 H2O와 D2O 간의 이소토프 효과를 평가하기 위해.
• 실험적 산란 및 스펙트로스코픽 데이터와의 정확한 일치를 보장하기 위해, SCAN 기능 데이터에 기반한 훈련된 DPMD의 정확도를 검증하기 위해.
• 기계 학습(DPMD), 고수준 DFT(SCAN), 그리고 양자 핵 처리(PI)를 조합하여 액체 물을 시뮬레이션하는 가능성과 정확성을 입증하기 위해.

제안 방법

• SCAN 메타-GGA 기능에서 유래한 백터로부터의 데이터에 기반하여 훈련된 기계 학습된 잠재 에너지 표면(PES)을 구축하기 위해 깊이 있는 신경망을 사용하였다.
• 모든 H2O 및 D2O 시뮬레이션에 핵 양자 효과(NQEs)를 포함하기 위해 경로-적분 분자역학(PI-MD)을 적용하였다.
• 일반 조건에서 등온-등압(NpT) 상자에서 SCAN 데이터에 기반한 기계 학습된 잠재 모델을 사용하여 시뮬레이션을 수행하였다.
• 구조적 및 전자적 성질을 탐색하기 위해 반경 분포 함수(RDFs), 각도 분포 함수(ADFs), 이중극자 모멘트 분포를 계산하였다.
• 전자적 성질, 예를 들어 이중극자 모멘트와 전하 분포를 계산하기 위해 최대한 국소화된 와이너 함수(MLWFs)를 사용하였다.
• NQEs가 O–H 결합 연장, 수소 결합 파손, 전자 이완에 미치는 영향을 평가하기 위해 고전적 DPMD와 PI-DPMD 결과를 비교하였다.

실험 결과

연구 질문

• RQ1 핵 양자 효과(NQEs)는 액체 H2O와 D2O의 수소 결합 네트워크 구조에 어떻게 영향을 미치는가?
• RQ2 표준 GGA 기능들에 비해 SCAN 기능은 물의 반경 및 각도 분포 함수를 얼마나 향상시킬 수 있는가?
• RQ3 이소토프 효과는 액체 물에서 O–O–O 각도 분포 및 반경 분포 함수에 어떻게 나타나는가?
• RQ4 NQEs는 O–H 결합 연장 및 이중극자 모멘트 분포를 포함한 전자 구조에 어떤 영향을 미치는가?
• RQ5 SCAN 기능에 기반한 기계 학습된 분자역학(DPMD)은 액체 물의 실험적 산란 및 스펙트로스코픽 데이터를 정확하게 재현할 수 있는가?

주요 결과

• SCAN 기능에 기반한 PI-DPMD 시뮬레이션은 H2O와 D2O 모두에 대해 실험적 반경 분포 함수(RDFs)와 각도 분포 함수(ADFs)를 높은 정확도로 재현한다.
• 경로-적분 처리 하에서 H2O의 평균 이중극자 모멘트는 3.17 ± 0.05 D로 증가하였으며, 이는 NQEs로 인한 극화 증가를 반영한다. 고전적 DPMD에서는 3.01 ± 0.03 D였다.
• 핵 양자 효과는 O–H 결합 연장과 결합 쌍 분포의 더 큰 비대칭성을 유도하며, 결합 피크가 0.492 Å에서 더 넓고 비대칭적인 프로파일로 이동한다.
• 고립 전자 쌍 분포는 약간 외측으로 이동하여, DPMD에서 0.328 Å에서 H2O-PI-DPMD에서는 0.325 Å로 변화하였으며, 이는 NQEs 하에서 수소 결합 촉진이 증가했음을 나타낸다.
• PI-DPMD에서 일부 물 분자는 3.5 D를 초과하는 이중극자 모멘트를 보이며, 이는 중요한 수소 이완과 NQEs 하에서 수소 결합 네트워크의 변동성 증가를 나타낸다.
• 예측된 이소토프 효과—더 연약한 구조와 H2O에서의 증가한 수소 결합 파손—은 실험적 관측된 이소토프 의존성 RDFs와 ADFs와 일치한다.