东京理科大学DFT-DFTB混合方法研究：ZrO2纳米粒子能带调控可定向激活CO分子，助力催化设计
东京理科大学Manzhos团队联合开发DFTB-FF混合计算框架研究数纳米级ZrO2纳米粒子CO吸附，发现通过调控表面终止化学计量比可实现p型/n型电子结构工程：富Zr的n型粒子低配位位点对CO产生化学吸附并激活C-O键，为氧化物纳米催化剂设计提供路线。
DFT
共 2 页 · B910化工 · AI 化学信息库
印度科学研究所用机器学习修复PBE赝金属误判，筛出29个二维绿氢光催化剂候选
9月2日提交至arXiv的论文（Ritam Chakraborty与Arpan Das，印度科学研究所）针对DFT筛选中PBE泛函将窄带隙半导体误判为金属的失效模式，开发泄漏感知修复加HSE06-PBE差值学习两阶段模型，以0.108eV平均误差重构HSE06带隙（原始PBE误差1.036eV），在pH=0条件下筛出10个严格与29个宽松绿氢光催化候选材料。
石墨烯片化学决定钙钛矿电池命运：DFT+机器学习揭示GF与GOF不可互换
arXiv 9月2日新论文（2609.02744）通过DFT计算与机器学习结合研究石墨烯衍生物与金属卤化物钙钛矿的相互作用：氧化石墨烯（GOF）与钙钛矿晶格作用更强但引发更大结构畸变、界面极化和局域隙态，而 pristine 石墨烯片（GF）形成基本无扰动的接触且在宽组分范围内保持该特性——两类材料在钙钛矿器件中不可互换，为石墨烯添加剂的选型提供设计准则。
DFT研究：g-C3N4/GeS范德华异质结应变调控，光解水析氢自由能逼近热中性
8月29日提交至arXiv的DFT研究显示，g-C3N4/GeS二维范德华异质结具II型能带排列（带隙2.17eV），双轴拉伸应变最高3%可调节带边位置对齐水产氢氧化电位：析氢自由能从0.2eV降至±0.1eV内近热中性，析氧过电位从2.17V大幅降至0.97V，可见光吸收与分子动力学模拟确认热力学稳定性。
伯克利实验室发布uMOF：迄今最大金属有机框架DFT数据集与通用机器学习势，气体吸附误差降80%
劳伦斯伯克利国家实验室联合UC Berkeley团队发布uMOF三件套：覆盖19950个金属有机框架（MOF）、85524个构型的r²SCAN-D4精度DFT数据集，3986条经文献验证的实验性质基准，以及两个微调自MACE基础模型的通用机器学习原子间势。在气体吸附焓与吸附等温线等难度更高的动力学敏感性质上，uMOF模型超越全部对比基线，误差较现有MOF专用模型降低80%以上，达到实验不确定度水平。
MOF介电响应突破密度标度：拓扑结构成为独立介电自由度
牛津大学Jin-Chong Tan团队联合意大利SISSA研究者发表arXiv论文（2608.27008），用第一性原理DFT与同步辐射太赫兹光谱研究同化学组成锌基咪唑酯框架（ZIF），发现电子介电常数服从Clausius-Mossotti密度标度，而声子介电贡献违反常规密度标度规则——相同Born有效电荷排除了局域化学的作用，框架连接拓扑局域化太赫兹响应，声子本征矢的相干性决定模式有效电荷。结论：MOF的长程拓扑结构是超越传统固体密度标度的介电自由度。
SandboxAQ发布AI催化剂筛选模型AQCat：吸附能计算提速2万倍，免代码自然语言调用
SandboxAQ宣布AQCat AI模型正式商用：通过Claude Science的MCP协议以自然语言提示即可评估催化剂候选材料，吸附能计算速度最高比传统DFT快2万倍且精度接近，基于含1350万次DFT计算的AQCat25公开数据集训练，并针对铁钴镍等磁性材料做spin-aware处理，将高通量催化剂发现从超算专家手中释放给普通实验室。
MIT开发过渡金属氮化物催化剂筛选新方法，为电化学合成氨提速
8月21日消息，MIT研究人员开发出预测电化学合成氨催化剂性能的新方法，通过密度泛函理论计算识别决定过渡金属氮化物催化活性的关键物理性质，替代逐一试错的合金组合筛选，为低排放电解制氨路线追赶哈伯-博施工艺提供加速工具。
arXiv透视：计算化学AI智能体两年增十倍，自主科研时代来临
8月21日消息，复旦大学Dral团队在arXiv发表透视文章：计算化学AI智能体系统从2024年的约6个激增至2026年8月的近50个，能力正从“辅助执行计算任务”跃迁到“自主设计与运行整个科研流程”，文章系统梳理了该领域的技术演进与治理挑战。
有机正极材料P14AQ离子结合机制解析：为何锂钠容量高于镁钙——构象全枚举加量子模拟给出答案
Laura Femmer、Birger Horstmann等8月14日提交arXiv的研究，用量子力学方法（DFT/DFTB）系统研究聚(1,4-蒽醌)（P14AQ）与Li、Na、Mg、Ca的结合机制。团队开发取向标记法自动枚举周期性聚合物链全部独特构象，发现Li/Na能量分布连续而Mg/Ca存在单氧与双氧配位间的能隙，恒电流实验的电压平台与容量差异印证计算结果，解释了单价离子容量更高的根源。
第一性原理计算揭示二维硼化铜Cu8B14作为高容量锂离子电池负极材料潜力
研究人员通过第一性原理计算发现二维硼化铜Cu8B14单层材料理论比容量达430mAh/g，锂离子扩散势垒仅0.32eV，开路电压0.53V处于最优负极区间，线缺陷进一步将扩散势垒降至0.21eV，是高性能电池负极的有力候选。
机器学习电荷密度模型实现大超胞缺陷形成能高效预测
华东师范大学研究团队提出基于机器学习电荷密度的缺陷形成能预测方法，仅需小超胞训练数据即可准确预测大超胞缺陷能量，将数据效率提升数倍，为半导体材料和催化剂的缺陷工程提供高效计算工具。
DFT研究揭示有机金属层状单原子催化剂ORR/OER双功能活性与稳定性构效关系
Pedro H. Souza等人8月6日在arXiv发表DFT研究，系统比较金属-N4和金属-O4配位的有机金属层状材料在氧还原（ORR）和氧析出（OER）反应中的催化活性与电化学稳定性，为锌空气电池和燃料电池阴极催化剂设计提供理论指导。
机器学习筛选近万种溶剂为固态锂电池电解质找出最优残留溶剂组合
研究团队通过机器学习在高通量DFT计算的约10000种溶剂数据集上建立通用筛选准则，将电子性质（HOMO/LUMO）与宏观性质（介电常数/偶极矩/极化率）关联，筛选出N-甲氧基-N-甲基-2,2,2-三氟乙酰胺作为固态聚合物电解质最优残留溶剂。实验验证获得4.5V电化学窗口、5.5×10⁻⁴ S/cm离子电导率和0.78 Li⁺迁移数。
IBM宣布量子优势三项实验证明量子计算在化学模拟领域超越经典计算
IBM研究团队在Quantum Heron R3量子处理器上完成三项实验，声称已实现量子优势——量子计算机在特定任务上超越经典计算机。其中最具化学意义的是量子计算可直接精确模拟材料和化合物的量子行为，无需经典计算化学方法（如DFT）中不可避免的精度-速度-成本权衡。论文以预印本形式发表。
机器学习设计不可计算金属有机框架MOF用于光催化
研究团队提出利用机器学习方法设计传统计算无法处理的金属有机框架（MOF）材料的通用框架。以光催化为案例研究，展示了ML方法在处理复杂多参数材料设计中的能力。该方法可推广到催化剂、吸附剂和储能材料的发现。论文7月29日提交arXiv。