综述：DFTMD、机器学习力场与生成式AI如何用于水系电池的分子模拟
核心概要
这篇综述系统梳理了用于水系电池的分子模拟方法（DFT、DFTMD、经验力场MD、机器学习力场与生成式AI），并以水包盐电解液、过渡金属氧化物正极、锌离子电池和有机氧化还原液流电池为案例，说明这些方法如何揭示离子溶剂化、插层、电子转移与界面结构，从而解释水系电池的电化学稳定性窗口、离子传输与枝晶抑制等现象。
深度剖析
综述把水系电池的分子模拟方法组织为一条从量子到数据驱动的技术谱系：DFT与DFTMD提供结构与反应性描述，经验力场MD扩展到更大时空尺度，机器学习力场（MLFF）以接近量子精度但更低成本弥合差距，生成式AI用于分子与材料逆向设计。 相对以往偏重单一方法的介绍，本文把电子结构、经典力场、机器学习力场与生成式模型放在同一框架下，并强调DFTMD受限于“数十皮秒、约1000原子”，而MLFF可突破该时空尺度。 方法层面的综述性论证，引用Car-Parrinello、Behler-Parrinello、SOAP、SchNet、NequIP等代表性工作，属于领域共识性梳理而非单一实验。
在水包盐电解液（WiSE）案例中，综述汇总了模拟与实验结合得到的结构图像：纳米尺度上水富集通道与离子团簇骨架共存，Li+在水通道中的扩散系数显著高于离子团簇中（如0.385 vs 0.05 Ų/s），并据此解释Li+迁移数偏高与界面水稀少带来的电化学稳定性窗口拓宽。 把不同课题组（Borodin、Lim、Yu、Li、Zhang等）对21 m LiTFSI结构与传输的模拟结果并列呈现，并指出关于溶剂化结构是否分为两类种群存在不同图像。 以经典MD与2D-IR、SAXS、IR等实验交叉验证为主，部分结论（如扩散系数差异）有定量数值支撑。
在正极材料案例中，综述说明DFT与DFTMD如何用于评估质子/阳离子插层能、氧空位形成、OER/LOER过电位与结构水的作用，例如LiCoO2上最低LOER过电位为0.56 V，V2O5中结构水使Zn2+扩散势垒近乎减半，并给出理论容量251 mAh g⁻¹低于实验381 mAh g⁻¹的对比。 将钴、锰、钌、钨、钒氧化物及过渡金属硫属化物、MXene等多类正极的模拟结论集中对照，突出结构水与层间限域对插层热力学与动力学的影响。 以DFT+U、SCAN、PBE、NEB、GCMC等计算为主，部分结果与XRD、SAXS、电化学测量对照。
在锌离子电池与有机液流电池案例中，综述展示了机器学习力场、反应力场与生成式模型的应用：如用神经网络势描述Zn2+水合、用DFTMD观察有机SEI形成、用强化学习生成目标氧化还原电位的有机自由基，以及用MLFF模拟Nafion膜中质子传输。 把生成式AI与MLFF从方法章节延伸到具体电池体系设计，强调其在分子与膜材料发现中的潜力。 以案例汇总为主，涉及AIMD、MD、DFT与实验表征的联合验证，但多为单个体系的结果。
启示与展望
本文定位于综述，面向希望了解水系电池分子模拟方法与应用的研究者，尤其是刚进入该领域的学生与理论/实验交叉研究者。其结论适用于水包盐电解液、过渡金属氧化物正极、锌离子电池与有机氧化还原液流电池等被讨论的体系，方法框架也可为其他电化学界面研究提供参考。
综述中不同研究对同一体系（如高浓度LiTFSI的溶剂化结构）给出不同图像，说明相关结论仍依赖力场与采样；DFTMD的时空尺度限制、MLFF的外推风险与生成式模型在化学空间中的有效性，都是读者在采用这些方法时需要留意的开放问题。此外，本文为综述，未提供新的实验数据，具体数值应回溯原始文献核实。