二维过渡金属碳化物/氮化物/碳氮化物（MXenes）因具有高导电性和丰富的表面官能团而被广泛应用于能源、电子器件、生物医药等各个领域。

然而，MXenes在潮湿的环境或水溶液中容易降解成为过渡金属氧化物，这限制了它在各个领域的应用。因此，如何合成化学稳定性高的MXenes材料是当前亟待解决的关键科学问题。

近日，吉林大学的孟醒副教授和美国加州大学河滨分校的吴建中教授、美国宾夕法尼亚大学的Aleksandra Vojvodic副教授合作，对超大MXenes-水体系的氧化行为做了深入地理论研究。第一性原理计算和机器学习相结合发展了MXenes-水体系的神经网络势函数，实现了DFT精度下的纳秒尺度的分子动力学模拟，首次从原子尺度还原了MXenes氧化的动力学过程，揭示了实验上观测到的MXenes氧化速率呈指数型衰减的本质。

MXenes-水体系的神经网络势函数在测试集上表现优异，与DFT计算相比，它的能量和力的均方根误差分别为2.35 meV/atom和0.083 eV/Å。在径向分布函数和振动态密度的性质测试中，基于势函数的MD模拟和AIMD模拟高度一致。

MXenes-水体系的模拟结果显示：水层越厚，单位水分子上的垂直氢键数目越多，水分子向MXenes基面移动受限，导致过渡金属原子和水中的氧原子之间的平均距离增加，使得MXenes的氧化速率随着水层厚度的增加而减少。MXenes的氧化会释放自由质子，质子会和水形成典型的水合质子，束缚水分子的运动，使得MXenes的氧化速率随时间增加而减小。

不同类型的过渡金属原子和水中氧原子之间的平均距离，以及水分子在MXenes基面上的物理吸附概率，证明了MXenes表面存在氧化物保护层。这些重要发现为合成高稳定性的MXenes材料提供了理论指导。