含能材料作为化学能高效存储与释放的核心载体，其热稳定性直接关系到国防武器装备和民用爆破工程的安全性与可靠性。然而，传统实验手段与计算方法难以在原子尺度揭示含能材料固态分解的复杂动力学机制，严重制约了耐热含能材料的理性设计与定向调控。

近日，张伟雄教授团队开发了深度学习势函数DeepEMs-25，借助大规模分子动力学模拟，首次揭示了该团队首创的分子钙钛矿型含能材料（DAP系列）中“动力学拮抗效应”的微观机制，为含能材料性能调控提供了新的理论范式。DeepEMs-25势函数的训练集涵盖20种含能材料，包括有机含能材料、含氧酸盐（包括分子钙钛矿含能材料）及叠氮盐体系等，其在保持密度泛函理论计算高精度的同时，将计算效率提升近百倍（图1）。

图1：DeepEMs-25模型覆盖的含能材料与模型性能评测验证

该模型成功应用于系列ABX₃型分子钙钛矿含能材料(H₂dabco)B(ClO₄)₃（B=Na⁺/K⁺/Rb⁺/NH₄⁺，分别记为DAP-1至DAP-4）的分解模拟，精准捕捉到H₂dabco²⁺相关的三种主导分解路径：N–H去质子化、C–H均裂与C–N均裂。通过解析Arrhenius动力学参数，发现B位阳离子半径增大引发双重效应：一方面因静电作用减弱导致X–A反应活化能降低（促进分解），另一方面因空间位阻增加减少有效碰撞频率（抑制分解）。这种“动力学拮抗机制”解释了实验观测到的反常热稳定性序列，即中等半径的K⁺基DAP-2（364°C）优于Na⁺/Rb⁺体系，而半径相近的NH₄⁺基DAP-4因铵根分解产生氨分子，可降低C–H键断裂的活化能，导致快速分解。电子密度分析与对称性匹配微扰（SAPT）能量分解进一步证实，Na⁺到Rb⁺的X–B静电吸引力递减是活化能降低的主因（图2）。

图2：DAP系列材料结构特征、初始分解路径与动力学参数关联图。

该研究首次实现对分子钙钛矿含能材料分解过程的原子级动态追踪，建立了微观结构–动力学参数–宏观性能的定量关联模型。DeepEMs-25势函数的开发标志着深度学习与计算材料学/计算化学的深度融合，其开源代码与数据集已通过GitHub及AIS Square平台共享，为全球含能材料研究提供重要工具。

相关研究成果发表在国际知名期刊npj Computational Materials，张伟雄教授为论文的通讯作者，2024级博士生郭铭禹为论文第一作者，负责计算实验和论文撰写；闫赟帆承担数据校验与文章修改工作；国家超算广州中心陈品博士协助调度超算资源。特别感谢中山大学提供的研究平台、国家自然科学基金的支持，以及国家超算广州中心和Bohrium平台提供的计算资源。

论文信息

Guo, MY., Yan, YF., Chen, P., and Zhang WX*. DeepEMs-25: a deep-learning potential to decipher kinetic tug-of-war dictating thermal stability in energetic materials. npj Comput. Mater.2025, 11, 246. //doi.org/10.1038/s41524-025-01739-7