基于量子力學的原子層級模擬計算是材料學中一種直觀有效且常用的研究方法，它可以研究材料的空間原子結構、電子結構，以及由此帶來的各種宏觀物理、化學性質。長期以來，材料計算模擬的發展受到計算尺度的嚴重制約，例如描述理想周期結構、完美晶格的密度泛函理論僅可求解百原子量級的體系。
然而真實的材料體系是不完美并且非常復雜的，材料中存在缺陷、晶疇界、表界面、非晶無序等結構特征，處于非平衡態的材料體系同時具有動力學演化行為，這些復雜體系的特征行為體現在更大的時間和空間尺度，因此需要大尺度的模擬計算才能描述。基于傳統物理“規則驅動”的計算技術已難以從理論框架突破尺度限制。
針對這一問題，中國科學院寧波材料技術與工程研究所柔性磁電功能材料與器件團隊利用并發展了AI+材料計算模擬方法。基于“數據驅動”的AI是從數據和觀測值出發，尋找數據之間的特征和關系，從而發現一些定理和規律。AI與科學的結合帶來了新的科研范式，給材料計算模擬帶來全新的思路和視角。Deep-Potential(DP)是一種具有代表性的AI技術，它運用深度神經網絡技術，采用大量小原胞(數十個原子)的密度泛函理論計算數據作為訓練集，訓練完成的網絡可以高效準確地預測出大原胞(最高可計算百萬個原子)的總能以及原子受力，從而實現大時間空間尺度(微米/納秒)的動力學模擬。
鐘志誠研究員帶領研究小組近期開展了一系列DP相關的研究：1)通過研究SrTiO3的結構相變，發現了DP模型具有超高精度，與密度泛函理論計算得到的能量誤差可達到meV/atom以內[Phys. Rev. B 105,064104(2022)]；結合DP勢函數和位錯解析理論，在大尺度下準確描述Cu的位錯芯結構以及位錯間的長程彈性相互作用[Comput. Mater. Sci. 218，111941 (2023)]。上述兩個工作證實了DP在大尺度下的高精度以及描述位錯等復雜結構的有效性。2)利用DP，解釋了ZrW2O8的負熱膨脹現象以及壓力誘導的非晶現象[Phys. Rev. B 106, 174101 (2022)]，該工作表明DP勢函數能夠有效描述復雜動力學行為以及非晶無序結構。3)晶格量子效應對熱力學等性質的求解至關重要，而卻往往因為其較高的計算成本在模擬計算中往往被忽略。團隊以SrTiO3的量子順電現象為例，提出了結合DP+QTB高效地研究材料中的晶格量子效應方案[Phys. Rev. B 106, 224102 (2022)]。
以上工作為未來材料計算模擬研究提供了全新范式，為復雜材料體系的高精度大尺度模擬提供了具體思路。此外，結合AI+材料計算模擬進行大尺度及復雜效應的計算，有望解決一系列復雜材料體系中的微觀機制、宏觀性能等問題。例如多元體系中的高熵合金、固液界面；機制復雜的摩擦、張力、非晶、表面重構；化學反應的表面吸附、催化、燃燒等問題。
以上工作參與者包括中科院寧波材料所博士后何日、鄧鳳麟，博士研究生吳宏宇，合作者包括南京大學物理學院盧毅教授，西湖大學理學院劉仕教授，深勢科技首席科學家張林峰博士。以上工作得到了國家重點研發計劃(2021YFA0718900和2022YFA1403000)、國家自然科學基金(11974365和12204496)、中國科學院前沿科學重點研究計劃(ZDBS-LY-SLH008)以及王寬誠教育基金(GJTD-2020-11)的支持。
圖1 (a) 通過密度泛函理論所計算的大量空間構型(約百原子級別)的能量和力；(b)DP訓練所得的深度神經網絡；(c)和(d)訓練好的深度神經網絡能應用于預測超胞(約百萬原子級別)的能量和受力，其精度和密度泛函理論一致
圖2 課題組近期各工作。左上：DP勢函數的精度展示；右上：DP方法描述位錯間對數形式的長程彈性相互作用；左下：ZrW2O8的壓力誘導非晶現象；右下：DP+QTB預測的SrTiO3結構相變
(磁材實驗室 吳宏宇、何日)
