机器学习加速高熵合金纳米催化剂筛选：动力学蒙特卡洛为析氢反应选出更多元配方
研究人员在arXiv发布框架，结合机器学习能量预测、热力学蒙特卡洛、贝叶斯优化与动力学蒙特卡洛模拟，对9元素空间中85原子高熵合金纳米颗粒进行析氢反应筛选，发现基于吸附能的静态优化偏向铂富集少组元配方，而动力学评价更青睐成分多元的组成，为催化剂理性设计提供新范式。
动力学蒙特卡洛
共 2 篇 · B910化工 · AI 化学信息库
动力学蒙特卡洛框架可预测RNA-脂质与PEI-DNA纳米颗粒组装的组分分布
arXiv 9月3日新论著（2609.04029）：研究者提出耦合加工条件、早期自组装物理与分子化学细节的kMC计算框架，可预测多组分纳米颗粒的性质分布与颗粒间组分异质性，并在RNA-脂质纳米颗粒（LNP）与PEI-DNA两类体系上验证。对mRNA疫苗与基因递送LNP的工艺放大与质量控制具有直接参考价值。