机器学习电负性模型

利用深度学习模型预测96种元素在任意压力下的电负性，并回归出统一公式描述其与压力和电子构型的关系，为理解深部地球电子转移规律提供新工具。

Li, Yanzhang · Hongyu, Wang · 李艳 · Huan, Ye · Yanan, Zhang · Rongzhang, Yin · Haoning, Jia · Hou, Bingxu · Changqiu, Wang · 丁竑瑞 · 白相志 · 鲁安怀

Nature Communications 2023

参数信息

覆盖元素数

96

技术优势

能算出任意压力电负性

统一公式将电负性表示为压力和电子构型的函数，不再依赖常压实验值。

解释高压下电子转移方向

功函数差随压力增大而增加，成为定向电子转移的驱动力。

揭示矿物与水反应活性

根据电负性可判断俯冲带含 Fe(II) 矿物与水的氧化还原反应潜力。

应用场景

• 矿物电子转移计算：提供任意压力下的元素电负性，可计算矿物间电子转移驱动力。
• 深层地球物质模拟：解释深部高导异常，模拟深部物质电子性质。
• 高压反应过程分析：评估高压下含 Fe(II) 矿物与水的氧化还原反应可能性。