（授权发明专利，授权公告号：CN 119360998 B）
研究背景
煤炭生产过程中易产生瓦斯与煤尘混合物，遇火源易发生复合爆炸，造成严重的人员伤亡和财产损失。相较于单一相爆炸，瓦斯/煤尘复合爆炸的反应机制更复杂，传统实验难以揭示其微观演化规律及抑爆剂的协同作用。现有分子模拟方法受限于传统力场精度不足，难以真实模拟原子间相互作用。因此，亟需发展一种高精度、低成本、可扩展的分子模拟方法，以揭示粉体抑爆剂在微观尺度上的抑爆机理，支撑高效抑爆剂的研发与优化。
研究方法
本研究提出一种基于机器学习力场的分子动力学模拟方法。首先构建粉体抑爆剂、瓦斯气体及煤大分子的气/固混合模型；通过 ADF/BAND 与 Quantum Espresso 等方法生成 DFT 训练集，训练得到高精度机器学习力场；在此基础上进行NVT/NPT系综下的分子动力学模拟，模拟复合爆炸及抑爆过程；最后结合 ChemTraYzer、DFT、TST 和 Chemkin 等手段，分析热解演化路径、关键基元反应、自由基种类及电子结构，揭示抑爆剂的微观作用机制。
主要结论
本研究通过构建高精度机器学习力场，实现了对瓦斯/煤尘复合爆炸及粉体抑爆剂抑制过程的微观模拟，揭示了气/固混合体系在高温高压下的反应演化规律。研究发现，机器学习力场能够更准确地描述原子间相互作用，弥补传统力场在复杂反应体系中的不足，使模拟结果更贴近实际。通过 ChemTraYzer2 方法，成功追踪了反应物、中间产物及最终产物的演化轨迹，构建了详细的反应路径网络，提取了关键基元反应和自由基，揭示了抑爆剂对反应路径的干预机制。进一步结合 DFT 与 TST 理论，计算了反应过程中弱相互作用、电子结构及电势分布，明确了抑爆剂在原子尺度上对自由基的捕获与稳定作用。Chemkin 敏感性分析表明，抑爆剂显著影响关键自由基（如 H·、OH·）的生成与消耗，抑制链式反应传播，从而降低爆炸强度。以改性高岭土为例，研究揭示了其插层结构对自由基的吸附与稳定机制，验证了其在抑制瓦斯/煤尘复合爆炸中的有效性。该方法为高效抑爆剂的筛选与优化提供了理论依据，丰富了“多相爆炸理论”的微观解释，具有重要的科学意义和工程应用价值。