💡
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
研究团队利用机器学习力场（MLFF）和深度势能分子动力学（DPMD）研究盐溶液中水的动力学，发现不同盐浓度对水的扩散特性有显著影响。DPMD模型表现出优越性，揭示了水动力学的异常行为，为未来研究提供了新方向。
🎯
关键要点
-
研究团队利用机器学习力场（MLFF）和深度势能分子动力学（DPMD）研究盐溶液中水的动力学。
-
不同盐浓度对水的扩散特性有显著影响，DPMD模型表现出优越性。
-
大多数水模型无法充分捕捉加盐后水的动态行为，经典力场的简化可能扭曲对水真实行为的理解。
-
DPMD方法用于研究盐溶液中的水动力学，并与其他模拟方法进行比较。
-
随着盐浓度增加，水动力学减速的现象在所有模型中观察到。
-
DPMD模型揭示了水动力学加速的独特能力，强调了其在捕获异常水动力学方面的关键差异。
-
团队的研究为水动力学提供了新的思考方向，促进了对水分子协同运动的理解。
-
未来研究方向包括水的重新取向动力学和盐的熵影响。
-
团队的分析为盐溶液中的水动力学提供了全新的视角，揭示了不同行为的来源。
-
研究结果可能揭示水分子集体行为的复杂关系，尤其是在接近深度过冷状态时。
➡️
