动力学模拟是催化反应动力学研究的重要手段之一, 有助于理解催化反应的内在机理, 对于设计高效稳定的纳米催化剂十分重要。基于经验力场的经典分子动力学计算速度快, 但计算精度有限。基于第一性原理的分子动力学方法精度高, 但计算速度慢, 难以大规模实施。近年来, 机器学习力场(MLFF)方法被广泛应用于势能面的开发, 基于MLFF的分子动力学(MLFF MD)方法兼顾计算速度与准确性, 为催化反应动力学研究带来了新契机。本文首先回顾了MLFF势能面构造的主要方法, 对基于对称函数的描述符设计原理和以嵌入式网络为基础的描述符构建方法进行了阐述, 展示了MLFF MD方法应用于催化剂结构/组分演变和催化反应过程动力学模拟中的最新进展, 进一步展望了MLFF在长时动力学模拟中所面临的挑战。

提出了一种性能多种重构的高频压控有源电感(HFVCAI)。电路主要由第一回转回路、第二回转回路以及调控支路构成, 且第一回转回路和第二回转回路并联, 调控支路与第一回转回路连接, 两个回转回路均配置了外部调控端。通过协同调节3个外部调控端, 可对HFVCAI的性能进行3种重构: 在高频工作区能够对电感值进行大范围调控, 且同时能保持Q值有较大值; 在不同频率下能够同时保持Q峰值和电感值基本不变; 能够实现在对工作频带大范围调控时, 电感值峰值保持基本不变。结果表明, 在5.10~6.60 GHz高频区, 电感值的调控范围大于27 nH, 且Q值可保持大于10; 在4.72 GHz、5.10 GHz和5.46 GHz高频下, 分别取得了1 063、1 053和 1 033 的Q峰值, 变化率仅为2.8%, 且电感值分别为202 nH、198 nH和191 nH, 变化率仅为 5.4 %; 工作频带能在6.02 ~ 7.67 GHz之间调控, 变化率高达27.4 %, 而电感值峰值在404 ~ 395 nH之间变化, 变化率仅为2.2%。