本研究提出了一种结合深度势能分子动力学(DeePMD)和在线概率增强采样(OPES)的模块化两级增强采样框架，用于研究二氧化硅基热防护材料中的非平衡反应过程。针对AI驱动科学计算中的关键挑战——数据稀疏性、高维相空间采样和稀有事件覆盖——我们开发了一个四层训练架构，将量子力学精度与可扩展的机器学习势能相结合。该框架实现了：(1) 二氧化硅熔化和表面重构的鲁棒构型采样(MAE <5 meV/atom)；(2) 氧吸附和催化重组路径的高保真建模，解决了ReaxFF等经验势能忽略的熵驱动机制；(3) 连接表面动力学和反应性的统一势能函数，在高温熵和缺陷演化方面优于经典力场(如BKS)。通过将OPES的自适应采样与DeePMD的神经网络势能协同作用，我们的方法克服了传统从头算分子动力学(AIMD)在系统尺寸和时间尺度上的限制，在自由能垒预测中展示了5倍的效率提升。
热防护材料表面催化重组引起的非线性耦合效应是航空航天应用中的关键挑战，显著影响再入过程中的气动热载荷。宏观上，这些效应由两个参数控制：原子重组系数(γi ∈ [0,1])和化学能调节系数(βi ∈ [0,1])。研究表明，完全催化壁(γi=1, βi=1)可以产生比非催化壁高200%的热流。
提出了量子力学-深度学习结合的四层训练架构：
不同于经典元动力学采用历史依赖的偏置势，OPES通过实时概率分布更新实现准静态偏置收敛。两种OPES变体公式如下：
其中$P_{n}(\pmb{\mathscr{s}})$是第n步时集体变量(CVs)的估计概率分布，$p_{n}^{\mathsf{W T}}(\pmb{s})$是实时估计的调和采样分布。
开发了双路径共进化动态表面反应模型，研究二氧化硅表面的吸附和催化反应机制。
熔融模拟采用包含324个原子的α-方石英块体模型(Si108O216)。表面重构、表面吸附和表面催化反应使用256个原子的α-方石英板模型(Si80O160H16)，底部表面用氢原子钝化。
所有第一性原理计算使用CP2K软件包完成：
采用se_e2_a模型架构(DeepMD-kit 2.2.1版)，主要特点包括：
| 结构式 | 原子数 | 主数据集 | 次数据集 |
|---|---|---|---|
| Si108O216H0 | 324 | 2000 | 8223 |
| Si80O160H16 | 256 | 6495 | 18234 |
| Si80O161H16 | 257 | 10500 | 27993 |
采用三维结构因子(3DSF)作为集体变量，其数学定义为：
其中$$\mathbf{k}=\frac{2\pi}{L}(l,m,n)$$为三维散射向量。
