MXenes是一种二维(2D)材料，在各个领域具有巨大的应用潜力。然而，MXenes在潮湿环境中的降解已成为其实际应用的主要障碍。

在这里，吉林大学Xing Meng，宾夕法尼亚大学Aleksandra Vojvodic，加州大学河滨分校Jianzhong Wu将深度神经网络和主动学习方案相结合，开发了一种具有从头计算精度但成本较低的用于水相MXene系统的神经网络势(NNP)。

文章要点

1）研究人员首次在纳秒时间尺度上系统研究了超大MXenes水溶液体系的氧化行为。MXenes的氧化过程清楚地显示在原子水平上。并且游离质子和氧化物极大地抑制了后续的氧化反应，导致MXenes的氧化程度随时间呈指数衰减，这与实验测得的MXenes氧化速率一致。

2）这一计算研究代表了对超大尺寸MXene水体系中氧化反应动力学过程的首次探索。这一重大突破为旨在控制MXenes稳定性的有效保护策略的未来发展开辟了一条有希望的途径。此外，在添加新的数据后，所开发的NNP可用于复杂水相MXene系统的其他应用。

参考文献

Pengfei Hou, et al, Unraveling Oxidation Behaviors of MXenes in Aqueous Systems  by Active Learning Potential Molecular Dynamics Simulation, Angew. Chem. Int. Ed. 2023, e202304205

https://doi.org/10.1002/anie.202304205