10月9日消息，研究者Liyao Lyu向arXiv提交论文（arXiv:2610.12132，10月8日提交），发展了一种“保结构”的神经密度泛函方法，用于聚合物电解质中离子关联的跨尺度可迁移预测。

非均匀聚合物电解质的结构与响应预测，要求对离子关联的描述既保留分子尺度精度，又能在不同空间尺度与几何构型间迁移。该神经密度泛函在构造上保持空间对称性、热力学可积性与Noether恒等式，并在稳定、非临界的体相态中严格恢复完全屏蔽（perfect screening）。其非线性密度依赖能够捕捉传统对关联闭包所遗漏的浓度依赖关联，包括强耦合条件下长波数密度涨落从增强到受抑的交叉行为。

验证结果方面：该泛函仅用分子动力学模拟的平面密度与内力剖面训练，即可预测训练盐浓度之外的密度剖面、体相结构因子与长波数响应，并将离子结构预测外推至更大空间区域和二维外场场景。在相同离子数据上，其精度超过另外三种神经密度泛函架构，且只需四分之一的训练样本——对比之下，最优替代方案的误差增大约三分之二。

这一空间可迁移性为“分子关联—连续介质预测”的贯通提供了必要基础，对固态/聚合物电解质、电池界面双电层等需要跨尺度建模的场景有直接的方法学价值，有望降低高浓度电解质体系配方筛选的分子模拟成本。 （来源：arXiv）