摘要：传统势函数例如 PCFF 无法对离子共价有机框架（ICOF）这类复杂的材料进行分子动力学模拟，而该材料因其独特的特性，最近在科学界被广泛关注。而在热管理领域，对热界面材料的高热导率、低弹性模量的要求，让本身具有一定柔性的 COF、MOF、HOF 和 ICOF

传统势函数例如 PCFF 无法对离子共价有机框架（ICOF）这类复杂的材料进行分子动力学模拟，而该材料因其独特的特性，最近在科学界被广泛关注。而在热管理领域，对热界面材料的高热导率、低弹性模量的要求，让本身具有一定柔性的 COF、MOF、HOF 和 ICOF 材料获得关注。因此对ICOF使用机器学习力场进行热运输性质的探索至关重要。

最近，中国科学技术大学的研究生一年级的李可在马浩教授的指导下，采用 NEP 机器学习势驱动的分子动力学模拟，分析了不同结构 ICOF 材料的声子运输特性。他们发现连接基团对x方向光学声子的寿命有显著影响，而层间离子则主要影响z方向声学声子的群速度。研究表明，在 x 方向，光学声子在决定 ICOF 热行为中起关键性作用（约为 94%），其贡献远高于传统材料（如硅纳米线约为 20%，BaSnS₂ 约为 68%）。文章发表于知名期刊 Materials Today Physics，检索信息如下：

本文采用的训练集以及训练的nep模型已在论文的补充材料和专门搜集NEP模型的仓库 https://gitlab.com/brucefan1983/nep-data 中公开。

图1：本文所研究的各类结构

图 2： x方向热导率差异的声子学解释

图 3：z 方向热导率差异的声子学解释

李同学的研究感悟：

(1) 整体而言，觉得 NEP 的入门是比较轻松的，从开始课题到全部计算完成只用了六个月（从大四毕业的六月开始到研一的十二月）。“轻松”不是因为简单，而是 GPUMD 群的樊老师和其他群友都很热心，学习过程中没有什么无法解决的问题，对于刚接触分子动力学计算的小白，我想没有心理内耗是科研最顺利情况。当然有很多脚本代码，对于我这种小白，多亏了群友唐本瑞同学的帮助。一些工具例如 SED，多亏了梁挺前辈帮助。关于声子部分，多亏了谢琳，陈泽坤等前辈的帮助。

（2）从我的经历来看，第一个问题就是 train.xyz 如何构建。一个很重要的方面就是 DFT 的计算必须要收敛，这可能是所有小白都绕不过去的坑。解决他就是要做收敛性测试，保证所有结构需要同样的精度参数。第二个问题就是训练势函数，这需要更多的耐心。对于复杂结构可能需要更多轮的迭代，对结构的多样性也需要更多的思考。实际上，就是需要包含常规情况和比较少见情况的构型。通过能量和力的相对大小，告诉 NEP 什么是对的，也要告诉 NEP 什么是错的。首先保证 GPUMD 跑出来的构型符合预期，再去优化力场的精度。

GPUMD 学习途径

教科书：《分子动力学模拟》樊哲勇 著（化学工业出版社）

代码：GitHub 仓库：https://github.com/brucefan1983/GPUMD

手册：https://gpumd.org/dev/

B 站：搜索 GPUMD-NEP

Bohrium 课程（GPUMD 和 NEP 基础入门）：https://www.bohrium.com/courses/7392750010

Bohrium 课程（热输运模拟）：https://www.bohrium.com/courses/1913905865

来源：阿尔科技Daily