本站讯（通讯员 刘晓聪）分子动力学模拟通过原子尺度的动态演化，揭示材料的微观行为与宏观性能之间的关联，是材料科学与化学研究的核心工具。ReaxFF反应力场因其对化学键动态过程的精确描述，在复杂化学反应体系的模拟中具有独特优势。然而，ReaxFF力场参数优化涉及高维参数空间，传统方法依赖人工经验的初始猜测，优化过程耗时、收敛困难，且易陷入局部最优，限制了其在更广泛体系中的应用。针对ReaxFF力场优化的瓶颈，天津大学分子+研究院陈星教授团队提出了一种基于自适应采样的创新方法，通过生成高质量的初始参数猜测，结合三条优化路线，显著提升了参数优化的效率和精度。这一方法将传统“经验调参”转变为“数据驱动”范式，大幅减少了高维参数空间的搜索量，开发出快速、准确且可靠的ReaxFF力场。团队利用优化后的ReaxFF力场，系统研究了纳米尺度铜表面的重构机制，揭示了其原子级演化规律，为理解纳米材料表面行为提供了新见解。该研究成果发表在理论与计算化学顶刊J. Chem. Theory Comput. 2025, 21, 9, 4652–4660。通过构建可扩展、高精度的力场开发框架，这一工作不仅克服了ReaxFF力场优化的核心难题，还为复杂材料体系的精准模拟提供了方法学支撑，具有重要的科学与工程应用价值。
在本研究中，针对传统ReaxFF反应力场优化方法（如顺序单参数抛物线外推法）高度依赖初始参数猜测、易陷入局部最优的局限性，研究团队提出了一种自适应采样策略，旨在提高高质量初始参数猜测的识别效率，从而显著增强优化过程的全局性和可靠性。该策略首先对高维参数空间进行均匀采样，随后以确定的最优点附近为重点，通过迭代优化采样区域逐步收敛至高质量初始猜测。整个流程无需大规模采样，仅需较少的初始样点即可生成可靠的初猜，为后续优化提供了坚实的基础。基于这一自适应采样框架，研究团队展示了三种ReaxFF力场参数化策略（见图1）：基于自适应采样的机器学习优化（ASMLopt）、增强自适应采样优化（EASopt）和传统优化（Copt）。
图 1. ReaxFF反应力场参数化示意图。该过程首先通过自适应采样生成高质量的初始猜测，然后采用三种不同的优化方法：(a) ASMLopt方法，该方法集成了自适应采样、机器学习模型训练和蛮力优化，以系统地完善参数空间并获得最佳力场参数；(b) EASopt方法，该方法通过迭代缩小参数空间，直接以总误差最小的参数集为目标；(c) Copt方法，该方法采用传统优化方法，从自适应采样提供的良好初始猜测开始，最终完成力场参数化。
这三种ReaxFF力场优化路线预测的反应能与密度泛函理论（DFT）结果高度一致（见图2）。这一结果充分证明了自适应采样策略在高维参数空间中的稳健性和高精度。
图2. 三种ReaxFF反应力场参数化方法的对比。(a) 通过ASMLopt、EASopt和Copt方法优化得到的ReaxFF反应力场参数。(b) ReaxFF模拟预测的反应能与DFT计算结果的对比。
为检验ASMLopt得到的Cu/H/O力场的场可靠性，团队模拟了H₂O与Cu(001)表面重构过程。通过构建小尺度模型，聚焦关键反应步骤的原子级动态演化。模拟揭示OH首先吸附在表面，诱导局部Cu原子脱离原来位置，随后Cu‑Cu键断裂，拉起的Cu位移至表层上方，与多个OH协同，形成稳定双层“夹心”结构。这一过程与实验HRTEM结果吻合（图 3），证实了ASMLopt优化力场在原子尺度下正确描述化学键断裂与形成、以及表面重构过程。另外，将模型体系扩大，让能够复现实验观测到的三层“亮-暗-亮”特征结构。层间距和层内Cu原子计数曲线与实验数据高度吻合（图4）
图3. 由ReaxFF反应力场分子动力学模拟预测的双层结构形成机制。分别展示在0 ps（I）、3 ps（II）、9 ps（III）和50 ps（IV）时刻的快照图，上方为原子级表示，下方为高分辨透射电子显微镜（HRTEM）表示。
图4. Cu(001)表面与水相互作用的反应机制。(a) ReaxFF反应力场分子动力学模拟中在244ps 时刻的体系快照；(b) 对应的Cu表面高分辨透射电子显微镜（HRTEM）图像；(c) 实验中观察到的双层结构，并在右下角对实线框区域进行放大展示；(d) 对 (c) 中虚线框区域的进一步放大，突出其结构细节；(e) ReaxFF反应力场分子动力学模拟得到的不同层中原子数随时间变化的趋势。
综上所述，本研究提出了一种自适应采样方法，通过高效识别高质量初始参数猜测，成功克服了高维参数空间中ReaxFF反应力场优化的核心挑战，包括初始猜测依赖性强、收敛慢及易陷入局部最优等问题。利用该方法结合三种参数化策略为快速、可靠地开发高精度ReaxFF力场提供了强大的工具。研究通过H₂O与Cu(001)表面重构的模拟验证了力场的精度和稳定性，模拟结果在小至大尺度体系中均与实验数据高度一致。这一工作为催化过程、界面化学反应及材料行为的纳米尺度高精度建模奠定了方法学基础，展现了广泛的应用前景。
论文信息：
论文原文：Boosting ReaxFF Reactive Force Field Optimization with Adaptive Sampling， Shuang Li, Siyuan Yang, Sibing Chen, Wei Zheng, Zejian Dong, Langli Luo, Weiwei Zhang*, Xing Chen* J. Chem. Theory Comput. 2025, 21, 9, 4652–4660.
第一作者：李爽，天津大学分子+研究院2023级博士研究生。
通讯作者：陈星，天津大学分子+研究院教授。主要从事纳米尺度下多场耦合调控材料性质的研究。
课题组主页：https://www.x-mol.com/groups/xingchen
（编辑 刘延俊 李萱）
