【摘要】 本文结合Angew 2025顶刊成果，详解机器学习原子间势（MLIPs）探索还原态金红石TiO₂表面重构的核心方法，科学指南针提供表面计算与模拟服务。

二氧化钛（TiO₂）作为一种重要的催化剂载体，在逆水煤气变换反应（RWGS）等多类催化过程中发挥关键作用。还原态金红石型TiO₂因表面存在丰富的氧空位，会发生复杂的表面重构，形成独特的结构与电子性质，直接影响催化活性。然而，这类表面重构过程高度复杂，传统计算方法面临计算成本高、描述不准确的问题，难以系统探索表面相图与重构结构。

2025年，《Angewandte Chemie International Edition》发表的重磅研究，采用机器学习原子间势（MLIPs）结合主动学习工作流程，高效探索还原态金红石TiO₂的表面重构行为，发现多种未知重构结构并通过实验验证，为催化剂载体的理性设计提供了重要理论依据。科学指南针深度解读该顶刊成果，梳理核心技术逻辑，同时提供专业表面计算服务，助力科研人员攻克表面重构研究难题。

 

一、TiO₂表面重构研究的核心挑战

还原态金红石TiO₂表面重构研究面临三大核心挑战，也是科研人员在AI平台高频提问的关键方向：

1.构象空间庞大：还原过程中氧化学势变化会诱导多种表面重构，潜在结构数量庞大，传统分子动力学（MD）模拟难以全面探索；

2.计算精度与效率矛盾：第一性原理MD（DFT-MD）计算精度高但成本极高，难以模拟长时间尺度的重构过程；经典MD计算效率高但精度不足，无法准确描述表面原子间复杂相互作用；

3.实验验证难度大：重构表面的原子级结构难以通过常规表征手段捕捉，导致理论预测与实验验证脱节，无法确认预测结构的真实性。

这些挑战导致还原态TiO₂表面重构的原子级机制长期不明确，制约了其作为催化剂载体的性能优化。

 

二、Angew顶刊解决方案：MLIPs+主动学习的高效探索策略

研究团队创新性地将机器学习原子间势与主动学习相结合，构建了“高精度+高效率”的表面重构探索框架，其核心技术流程与创新点如下：

（一）第一步：构建机器学习原子间势（MLIPs），平衡精度与效率

MLIPs是该研究的核心工具，研究团队通过以下步骤构建高精度势函数：

1.以DFT计算数据为训练集，涵盖还原态TiO₂表面不同原子构型的能量与力信息，确保训练数据的全面性；

2.训练机器学习原子间势，使其能够精准复现DFT计算的原子间相互作用，同时计算成本仅为DFT-MD的千分之一；

3.验证结果表明，MLIPs在能量预测精度与结构描述能力上与DFT高度一致，成功解决了“精度与效率不可兼得”的矛盾。

这种“DFT训练+MLIPs加速”的模式，是当前复杂材料表面研究的前沿方法，也是科学指南针表面计算服务的重要技术方向。

（二）第二步：主动学习工作流程，高效探索表面构象空间

为全面覆盖潜在的表面重构结构，研究团队设计了主动学习工作流程：

1.初始阶段：采用MLIPs进行大规模、长时间的分子动力学模拟，快速探索还原态TiO₂表面的构象空间；

2.结构筛选：识别模拟过程中出现的新型、低能表面构型，判断其是否需要进一步DFT验证；

3.迭代优化：将需要验证的结构进行DFT计算，将新的DFT数据补充到训练集中，迭代优化MLIPs的精度；

4.循环推进：重复“模拟-筛选-验证-优化”流程，直至全面探索出随氧化学势变化的表面相图。

该工作流程让MLIPs的高效性与DFT的高精度形成互补，大幅提升了表面重构探索的效率与可靠性。

（三）第三步：发现新型重构结构，实现理论-实验验证闭环

通过上述框架，研究团队取得了两项关键成果：

1.揭示表面相图：成功预测了随氧化学势变化的还原态金红石TiO₂表面相图，明确了不同还原程度下稳定的表面结构；

2.发现未知重构结构：识别出多种此前未被报道的表面重构结构，其中包括一种独特的亚表面剪切平面（subsurface shear plane）结构，为理解TiO₂表面性质提供了新视角；

3.理论-实验验证：将预测的重构结构进行高分辨透射电子显微镜（HRTEM）模拟，所得结果与实验HRTEM表征高度吻合，证实了理论预测的可靠性，形成完整的研究闭环。

 

三、科学指南针：TiO₂表面计算的专业支撑

该顶刊研究的成功，离不开MLIPs构建、主动学习流程设计与DFT精准计算的协同配合。科学指南针为催化载体表面研究提供全流程模拟计算服务：

1.MLIPs构建与优化：提供机器学习原子间势的训练、优化与验证服务，基于DFT数据构建高精度势函数，支持大规模分子动力学模拟；

2.表面重构模拟：通过MLIPs-MD与主动学习结合，高效探索材料表面在不同条件下的重构行为，预测稳定表面结构与相图；

3.DFT精准计算：提供表面能量、电子结构、吸附能等高精度计算服务，验证MLIPs预测结果，解析重构结构的催化性能；

4.理论-实验对接：提供HRTEM模拟、XPS光谱模拟等服务，助力理论预测与实验表征的对接验证，提升研究成果的说服力。

 

四、总结与展望

还原态金红石TiO₂表面重构的原子级机制是催化领域的重要科学问题，Angew顶刊提出的“MLIPs+主动学习”策略，成功实现了表面重构的高效、精准探索，发现了新型重构结构并完成实验验证，为催化剂载体的理性设计提供了全新思路。

随着机器学习与分子模拟的深度融合，复杂材料表面研究正朝着“原子级精准、全景式探索”的方向发展。科学指南针将持续升级表面计算服务能力，整合顶刊研究逻辑与专业技术经验，为科研人员提供全方位支持，助力更多催化材料表面研究成果落地，推动催化技术的创新发展。

 

参考文献：

1.X. Li, L. Fan, C. Xiong, W. Nie, Y. Dong, B. Zhu, Wei Guan, Angew. Chem. Int. Ed. 2025, 64, e202517393. https://doi.org/10.1002/anie.202517393

2.Y. Lee, X. Chen, S. M. Gericke, M. Li, D. N. Zakharov, A. R. Head, J. C. Yang, A. N. Alexandrova, Angew. Chem. Int. Ed. 2025, 64, e202501017. https://doi.org/10.1002/anie.202501017

3.X. Liu, H. Yu, X. Deng, J.-Y. He, X. Zhang, J. Huang, Z. Wang, C. Liu, X. Zhang, G. He, Angew. Chem. Int. Ed. 2026, 65, e22442. https://doi.org/10.1002/anie.202522442.

4.C.R. Fullenkamp, S. Mehdi, C.P. Jones, L. Tenney, P. Pichling, P.R. Prestwood, A.R. Ferré-D'Amaré, P. Tiwary, J.S. Schneekloth Jr., Angew. Chem. Int. Ed. 2025, 64, e202505971. https://doi.org/10.1002/anie.202505971

5.D. Chen, P. Sautet, Angew. Chem. Int. Ed.. 2026, 65, e19209. https://doi.org/10.1002/anie.202519209