然而，现有的建模方法不能很好地同时描述微观尺度的离子相互作用与宏观尺度的外场效应，特别是在处理复杂条件下的界面问题时，难以兼顾准确性与计算效率。

最近，华东理工大学刘洪来教授和练成教授团队发展了一种深度神经网络增强的介观热力学模型 (DeepMT model)，利用化学势来兼顾电解质的微观描述和外场效应的宏观影响，并引入深度神经网络方法，实现快速、准确预测电极/电解质界面的离子分布和热力学性质。

总之，该工作提供了一种电化学界面的经典热力学理论与人工智能算法结合的方法。最大优点是在介观尺度下，精确且高效地解得双电层结构和性质。