計算材料學之材料結構預測

現狀

材料是國民經濟的基石，是實現制造業轉型升級的重要基礎。隨著計算機模擬技術的發展，流體力學、材料和醫療等專業領域也開始使用模型輔助科學研究。由于其問題的復雜性，這些領域的模型參數優化使用單一的優化算法或者適應度計算方法無法有效解決問題，比如某些方法精度高但運行時間長，而某些方法需要苛刻的前置條件。因此，在這些領域通常采用多種方法結合的方式進行參數優化，即由不同步驟組合起來進行問題求解，從而發揮各個方法的優點，更有效率的解決問題。同時，應用領域有很多商業軟件，不提供相應SDK（軟件開發工具包），整個流程通常只能采用腳本語言（如Shell語言）對各個步驟進行連接。

對領域應用的促進

多步驟參數優化算法的典型場景是材料學領域的晶體結構預測算法。目前常見的結構能量計算方法有分子動力學模擬的方法和基于第一性原理的密度泛函理論（DFT）方法。DFT方法能夠提供更準確的結構能量，但計算成本很高。以TiO₂晶體為例，采用分子動力學軟件LAMMPS計算其能量，平均耗時為169 ms（100次實驗的統計結果，下同）；而采用DFT軟件VASP計算其能量，平均耗時為10 309．27 s，兩者相差將近6萬倍。在DFT軟件的基礎上采用參數優化算法搜索結構晶體狀態，其時間成本很可能超出科學家可接受時間上限。由此可見，單純采用分子動力學方法進行結構能量模擬，很難獲得和DFT方法同等的模擬精度；而單純采用DFT方法，隨著分子結構復雜度上升，其時間成本越來越昂貴。

發展趨勢

多步驟參數優化算法較好地解決了這個問題。目前該領域通常是將兩種方法結合，在不明顯影響系統效率的情況下，有效提升模擬方法的精確度。美國Ames國家實驗室提出一種AGA（Adaptive Genetic Algorithm）算法，其采用遺傳算法進行給定結構的晶體狀態搜索，在GA計算個體適應度時，采用分子動力學方法模擬結構能量。同時，創造性地添加了Adaptive loop模塊，將GA生成的數個最優結構交與第一性原理DFT方法重新精確計算其結構能量，再采用Force－Matching方法基于精確信息對分子動力學方法的勢參數進行耦合，從而提升分子動力學方法的精確性。如此組成大循環，直至收斂。