关键词：介电毛细；非均匀电场；分子动力学；LAMMPS；流体调控
一、文章简要介绍
多孔材料、超级电容器、纳流控器件都靠吸附流体工作，但传统吸附性能由材料本身决定，改不了。这篇Nature Communications文章提出一个新思路：用非均匀电场（电场梯度）从外部控制流体行为，并把它命名为"介电毛细"现象。研究团队来自剑桥大学和杜伦大学，用LAMMPS分子动力学模拟加机器学习密度泛函理论，从微观角度把电场梯度如何重构流体、如何改变气液相变和毛细凝聚讲清楚了。主要结论：电场梯度能把极性流体推向高场区（介电梯升效应），明显改变吸附能力；电场越强，狭缝内毛细凝聚发生得越早，迟滞越小，场强足够大时一级相变直接变成连续转变。这套方法为储能、气体分离、神经形态纳流控提供了新的调控思路。论文发表在Nature Communications 2026年第17卷2661篇，DOI：10.1038/s41467-026-69482-1。
图1 叉指电极间水的LAMMPS分子动力学模拟快照：电场开启后壁面附近出现局部润湿
图1是论文最直观的算例：SPC/E水夹在两块疏水壁之间，壁上交替排布正负电荷条带模拟叉指电极。给电极加上10伏压差或每原子正负0.05个电子电荷后，水在带电条带附近出现明显的局部润湿，沿壁面方向密度振荡很强。这个模拟是LAMMPS跑的，用来展示非均匀电场真实存在于纳米器件中。
二、仿真步骤
步骤一：LAMMPS生成训练数据。机器学习密度泛函需要"准精确"参考数据，团队用巨正则蒙特卡洛（GCMC）定每个工况的平均粒子数，再用LAMMPS在NVT系综里跑分子动力学采样密度剖面和电荷密度剖面。偶极流体共生成2035组随机外场条件，水也生成约2000组，覆盖亚临界和超临界区，总计算量约10万CPU小时。
图2 非均匀电场下流体重组：(a)正弦电场与模拟快照，(b-d)水、偶极流体与电解质的密度分布
图2展示的是三种流体的对照：水、偶极流体在正弦电场下被推向高场区（介电梯升），电解质却因电泳力跑向低场区。水的响应还有电荷不对称性，和偶极流体的对称响应不同。
步骤二：训练神经功能。把短程参考系的数密度、电荷密度剖面喂给神经网络，学出两个泛函映射。网络在RTX 3060上几小时训完，之后每次求解放到毫秒级，比原子模拟快几个数量级。
图3 介电毛细控制吸附等温线：场强越大吸附越强、迟滞越小
图3是介电毛细的主要结果。狭缝内流体随化学势变化的吸附等温线显示：电场越强，凝聚向更低湿度移动，迟滞回线越窄，场强足够大时相变变成连续转变，迟滞完全消失。开关电场就能让孔隙在填充和排空之间切换。
步骤三：MD验证理论。训练好的泛函不能直接信，团队用LAMMPS模拟逐项验证：介电常数一致性、径向分布函数、体相状态方程、非均匀电场下的密度响应。图4到图7就是这套验证链条。
图4 叉指电极间水的密度分布MD结果：定电位与定电荷两种设置
图4是叉指电极狭缝中水的MD密度分布。无论定电位还是定电荷设置，水都在带电条带处富集，理论预测与MD模拟趋势一致。
图5 短程参考系与长程系的介电常数一致性验证（MD）
图5验证短程参考系的合理性：用极化涨落算出的介电常数，短程系和长程系在不同密度、温度下完全一致，说明截断库仑作用没有破坏介电响应。
图6 重构势方法验证：短程参考系加重构势后复现长程系密度响应（MD）
图6是重构势方法验证。直接把库仑作用截断成短程会让流体在非均匀电场下的响应出错；加上重构势之后，短程系的密度和电荷响应与完整长程系几乎重合。这一步保证了神经网络学的是"对"的物理。
图7 零场体相状态方程：理论预测与MD模拟吻合
图7是零场下的体相状态方程。理论预测的压力-密度曲线和LAMMPS模拟的点几乎重合，说明训练好的泛函在零场极限也能还原标准模拟结果。
三、关键结果与发现
第一个结果：电场梯度让临界温度下移。偶极流体在正弦电场下，临界温度随场强升高而降低，这是首次报告微尺度非均匀电场移动单组分流体临界温度；水在每埃0.4伏场强下临界温度下移约50开尔文。
第二个结果：介电梯升效应高度非线性。密度峰值增量随场强变化不是线性的，短程相互作用（胶体）和长程相互作用（分子流体）在波长远大于分子尺寸时行为分化，长程系靠集体重取向屏蔽外场，响应变弱。
第三个结果：介电毛细可直接调控吸附。场强增大让凝聚提前、迟滞缩小直至消失，孔隙可在填充与排空间反复切换，这个可编程特性可用于类突触的神经形态纳流控器件。
第四个结果：连接宏观介电润湿实验。纳米尺度的介电梯升对应宏观介电润湿中的接触角变化，修正的杨氏方程在微观尺度大体成立，但界面附近压缩率变化显示连续介质模型缺少的细节。
四、我们提供的服务
我们可提供以下仿真服务：①LAMMPS分子动力学建模与模拟；②GCMC与MD混合方法培训；③电场下流体行为模拟分析；④机器学习密度泛函理论应用咨询。如有类似流体调控模拟需求，欢迎私信聊聊。
