[论文解读] A Minimal Experimental Bias on the Hydrogen Bond Greatly Improves Ab Initio Molecular Dynamics Simulations of Water

Paul B. Calio, Glen M. Hocky+1 more|arXiv (Cornell University)|Jun 2, 2020

Machine Learning in Materials Science被引用 13

一句话总结

本研究提出了一种实验导向模拟（EDS）方法，通过针对O-H径向分布函数（RDF）对从头算分子动力学（AIMD）模拟中的水进行最小程度的偏差修正，有效缓解了BLYP等GGA泛函中过度极化和电荷转移的问题。该方法在不增加计算成本的前提下，显著改善了结构和动力学性质，特别是自扩散行为，其与实验的吻合度优于以往基于O-O溶剂化结构偏差的EDS-AIMD模型。

ABSTRACT

Experiment Directed Simulations (EDS) is a method within a class of techniques seeking to improve molecular simulations by minimally biasing the system Hamiltonian to reproduce certain experimental observables. In a previous application of EDS to ab initio molecular dynamics (AIMD) simulation-based on electronic density functional theory (DFT), the AIMD simulations of water were biased to reproduce its experimentally derived solvation structure. In particular, by solely biasing the O-O pair correlation functions, other structural and dynamical properties that were not biased were improved. In this work, the hypothesis is tested that directly biasing the OH pair correlation, will provide an even better improvement of DFT-based water properties in AIMD simulations. The logic behind this hypothesis is that for most electronic DFT descriptions of water the hydrogen bonding is known to be deficient due to anomalous charge transfer and over polarization in the DFT. Using recent advances to the EDS learning algorithm, we thus train a minimal bias on AIMD water that reproduces the O-H radial distribution function derived from the highly accurate MB-pol model of water. It is then confirmed that biasing the O-H pair correlation alone can lead to improved AIMD water properties, with structural and dynamical properties in even closer to experiment than the previous EDS-AIMD model.

研究动机与目标

• 解决基于GGA泛函的AIMD水模拟中因氢键描述不足而导致的持续过度极化与扩散缓慢问题。
• 检验是否通过直接偏差O-H对相关函数（而非O-O溶剂化结构）可实现对结构和动力学性质的更优改善。
• 采用最小化、在线调整的EDS方法，以高度精确的MB-pol模型的O-H RDF为靶标，实现对DFT电子结构的保留。
• 实现准确、低成本的AIMD水模拟，无需温度缩放或杂化泛函，即可捕捉实验测得的自扩散系数与氢键动力学行为。

提出的方法

• 对BLYP和BLYP-D3泛函应用EDS，利用改进收敛性的随机梯度下降算法，最小化模拟与目标O-H RDF之间的相对熵。
• 目标O-H RDF源自高度精确的MB-pol模型，该模型包含多体效应，并经高阶CCSD(T)数据验证。
• 学习并添加经典偏差势能至系统哈密顿量中，通过修改O-H对的受力以匹配目标RDF，同时保持底层DFT电子结构不变。
• 偏差仅作用于截断距离内的O-H对，受力通过偏差势能梯度计算，以确保与动力学的一致性。
• 采用二阶矩分解（0阶与2阶矩）分析偏差的空间与能量贡献。
• 模拟在298 K下进行，采样时间为40 ps，各项性质与MB-pol、BLYP及先前基于O-O偏差的EDS-AIMD模型进行对比。

实验结果

研究问题

• RQ1 在AIMD模拟中直接对O-H径向分布函数施加偏差，是否能比基于O-O溶剂化结构的偏差更接近实验结果？
• RQ2 通过EDS校正氢键强度与动力学，是否能改善基于BLYP的水模拟中的自扩散系数及其他动力学性质？
• RQ3 与O-O偏差相比，EDS对O-H相关性的偏差在结构与动力学准确性方面表现如何？
• RQ4 对O-H对相关性的最小化、经典偏差是否能显著缓解GGA泛函固有的过度极化与玻璃态行为？

主要发现

• EDS-AIMD(OH)模型的自扩散系数为1.25 Ų/ps，显著更接近实验值（1.35 Ų/ps），优于基于O-O偏差的EDS-AIMD(OO)模型（0.85 Ų/ps）。
• EDS-BLYP(OH)与EDS-BLYP-D3(OH)中的O-H径向分布函数与MB-pol参考值高度一致，O-H主峰位于1.85 Å，且第一配位壳层清晰可辨。
• EDS-BLYP(OH)中的氢键自相关函数（HBAF）时间常数为1.8 ps，远比标准BLYP模型（3.2 ps）更接近实验值（1.6 ps）。
• EDS势能在短O-H距离处呈现排斥势垒，长距离处呈现吸引势阱，且BLYP中的偏差幅值强于BLYP-D3，反映出前者更需校正。
• 0阶与2阶矩的贡献分析表明，主要校正来自2阶矩，表明对氢键的影响具有非均匀、各向异性的特征。
• 该方法引入的计算开销可忽略不计，因偏差为在DFT力之后添加的经典修正项。