计算材料学

机器学习原子间势 (machine learning interatomic potentials, MLIPs) 的快速发展以及庞大的文献体量，可能使那些并非专家但希望使用这些工具的研究人员难以知道该如何着手。本综述的宗旨是通过充当一份关于 MLIP 前沿技术的实用、易于理解的指南来帮助此类研究人员。本综述论文涵盖了与 MLIP 相关的广泛主题，包括：(i) MLIP 如何以及为何成为分子建模领域诸多激动人心的进展的推动者，其核心方面；(ii) 不同类型 MLIP 的主要基础，包括其基本结构与形式体系；(iii) 通用 MLIP 对有机和无机体系的潜在变革性影响，包括对这一新兴 MLIP 类别的最新进展、能力、缺点及潜在应用的概述；(iv) 一份用于估计和理解 MLIP 执行速度的实用指南，包括基于硬件可用性、所用 MLIP 类型以及预期模拟规模和时长的用户指引；(v) 一份关于用户针对给定应用应选择何种 MLIP 的手册，其考虑因素包括硬件资源、速度要求、能量与力的精度要求，以及选择预训练势或从零开始拟合新势的指引；(vi) 围绕 MLIP 基础设施的讨论，包括训练数据来源、预训练势以及用于训练的硬件资源；(vii) 对当前 MLIP 一些关键局限性以及缓解这些局限性的现有方法的总结，包括纳入长程相互作用的方法、磁性体系的处理以及激发态的处理；最后，(viii) 我们以一些更具推测性的思考收尾，探讨未来 3–10 年以上 MLIP 的发展与应用前景。

本文档记录使用 ABINIT 8.6.3 计算波函数，配合 LOBSTER 5.1.1 进行 COHP（Crystal Orbital Hamilton Population）分析的完整流程，包括版本选择理由、关键参数设置、输入文件模板、资源估算及常见问题排查。

在基于密度泛函理论（DFT）的第一性原理计算中，合理设置能带数量（nband）是确保计算准确性和效率的关键参数。本文将详细介绍如何根据体系中的价电子数量和材料特性，系统地校准 ABINIT 软件中的 nband 参数。

电子结构分析是理解材料物理化学性质的核心工具。由于电子运动极快且尺度微小，我们必须借助量子力学的概念，将电子视为波来进行分析。本文将系统介绍电子结构分析的核心要点和高效学习方法，帮助初学者快速入门。

在基于密度泛函理论（DFT）的第一性原理计算中，伪势方法的选择直接影响计算的精度和效率。PAW（投影缀加波）方法和 NCPP（范数守恒伪势）是两种常用的伪势方案，它们在计算资源需求和实际运行效率上各有特点。本文将深入分析这两种方法的差异，帮助读者理解如何在实际计算中做出合理选择。

在进行密度泛函理论（DFT）等高通量计算任务时，从大量的计算目录下提取出几何优化完成的最终晶体结构往往是一项繁琐的工作。本文将分享一个实用的 Python 脚本，它整合了 abipy 与 pymatgen，能够自动遍历计算目录、判断收敛状态，并高效地提取出用于后续计算的 VASP POSCAR 文件。