Molecular dynamics simulations of ionic solutions depend sensitively on the force fields employed for the ions. To resolve the fine differences between ions of the same valence and roughly similar size and in particular to correctly describe ion-specific effects, it is clear that accurate force fields are necessary. In the past, optimization strategies for ionic force fields either considered single-ion properties (such as the solvation free energy at infinite dilution or the ion-water structure) or ion-pair properties (in the form of ion-ion distribution functions). In this paper we investigate strategies to optimize ionic force fields based on single-ion and ion-pair properties simultaneously. To that end, we simulate five different salt solutions, namely CsCl, KCl, NaI, KF, and CsI, at finite ion concentration. The force fields of these ions are systematically varied under the constraint that the single-ion solvation free energy matches the experimental value, which reduces the two-dimensional $\{\sigma,\epsilon\}$ parameter space of the Lennard Jones interaction to a one dimensional line for each ion. From the finite-concentration simulations, the pair-potential is extracted and the osmotic coefficient is calculated, which is compared to experimental data. We find a strong dependence of the osmotic coefficient on the force field, which is remarkable as the single-ion solvation free energy and the ion-water structure remain invariant under the parameter variation. Optimization of the force field is achieved for the cations Cs$^+$ and K$^+$, while for the anions I$^-$ and F$^-$ the experimental osmotic coefficient cannot be reached. This suggests that in the long run, additional parameters might have to be introduced into the modeling, for example by modified mixing rules.


翻译:离子溶液的分子动态模拟会敏感地取决于用于离子的强度字段。 为了同时解决同一值和大致相似大小的离子体之间的细微差异, 特别是要正确描述离子特有效应, 显然需要精确的强度字段。 过去, 离子场的优化策略要么被视为单离特性( 如无稀释的溶化无能量或离水结构), 要么 离子- 平面特性( 以离子分布函数的形式) 。 在本文件中, 我们调查了以单离子值和离子- 相近的特性来优化离子体的离子值值的细小差异。 离子场的优化策略有: 单离子无损能量或离子- 离子结构( 以离子分布函数形式的形式) 。 离子- 离子- 离子( 离子) 离子( 离子) 离子( 离子) 和离子( 离子) 离子( ) 等值) 的离子( 离子) 度( ) 离子( 离子) 离子) 和离子( 离子) ) 等值( ) 等值( ) ) 的离子) 的离子(离子(离子) ) ) 等值) 和(离子(离子) (离子) 等) ) ) (离子) ) 等(离子) ) 等(离子) 的) 等(离子(离子(离子(离子) ) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (离子) (

0
下载
关闭预览

相关内容

Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关VIP内容
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员