久久人妻熟女中文字幕av蜜芽,我我色综合,两女女百合互慰av赤裸无遮挡,脱了内裤掀起pg两边打肿

固體核磁共振（solid-state Nuclear Magnetic Resonance, ssNMR）技術憑借其對局域環境和動態信息的獨特敏感性，在電池材料的研究中得到了廣泛應用。不過電池正極材料通常具有順磁性，過渡金屬離子與被觀測核存在復雜的相互作用，可靠的NMR譜峰指認非常依賴密度泛函理論（Density Functional Theory, DFT）計算。已有理論方法被開發用于計算正極材料NMR化學位移，但這些方法僅適用于堿金屬離子擴散緩慢的體系，其NMR譜峰與堿金屬離子局域環境一一對應。而在高倍率電池正極材料中，例如P2型鈉電正極，因堿金屬離子在不同局域位點的快速擴散，常溫下往往觀測到動態NMR譜，其譜峰對應于多個堿金屬離子局域環境的動態平均，這進一步加大了NMR譜峰的指認難度。

近年來，程俊教授和楊勇教授研究團隊展望了分子動力學（Molecular Dynamics, MD）模擬與NMR在固體電池材料中的聯合應用（Curr. Opin. Electrochem., 2022, 35, 101048.），并通過聯用DFT計算局域位點NMR化學位移和深度勢能分子動力學（Deep Potential Molecular Dynamics, DPMD）模擬，首次直接計算P2型Na_2/3(Mg_1/3Mn_2/3)O₂的動態²³Na化學位移（Angew. Chemie Int. Ed., 2021, 60, 12547–12553.）。不過該工作中應用優化結構（0 K）來計算局域位點化學位移，忽略了熱力學漲落對化學位移的影響，限制了其廣泛應用。

針對以上問題，本工作中通過聯合DPMD模擬進行快速結構采樣，和機器學習方法快速預測結構的化學位移，可在DFT精度下計算動態NMR化學位移。具體的，建立了一個基于DFT數據集，結合原子位置平滑重疊描述符（Smooth Overlap of Atomic Positions, SOAP）和神經網絡（Neural Network, NN）的機器學習模型，名為NN-NMR模型。以P2型Na_2/3(Mg_1/3Mn_2/3)O₂為例驗證了該模型，結果表明NN-NMR模型可以較好的復現DFT計算結果（R² = 0.96）。此外，NN-NMR模型在GPU卡上計算時間與DFT方法在CPU核上計算時間相比，縮短了幾個數量級。聯合NN-NMR和DP兩個模型的高效率和精度，該方法基本消除了P2型Na_2/3(Mg_1/3Mn_2/3)O₂和Na_2/3(Ni_1/3Mn_2/3)O₂動態²³Na化學位移計算值的統計誤差，并與實驗測量結果一致。該方法可用于建立高倍率電池正極材料結構，NMR譜，離子傳輸之間的明確關系，且有潛力推廣到其他的原子核，固態電解質，溶液體系中，作為聯系實驗NMR譜和微觀動態過程的橋梁。

論文第一作者為廈門大學2018級博士研究生林敏，該工作得到了美國國家強磁場實驗室傅日強教授的支持和幫助。研究工作得到了國家重點研發計劃（2021YFB2401800），國家自然科學基金（21991151、2199115、21935009、21761132030、21861132015、22021001、92161113、91945301）和廈門市科技計劃項目（3502Z20203027）的支持。

論文鏈接：https://pubs.rsc.org/en/content/articlelanding/2022/SC/D2SC01306A

參考資料：https://chem.xmu.edu.cn/info/1274/15004.htm