AMS2026 现已发布，带来了机器学习势、模拟工作流程及易用性方面的强大新进展。凭借更广泛的化学覆盖范围和更优的性能，开展自动化、可重复的研究比以往任何时候都更加便捷。立即升级，亲身体验其卓越表现。
机器学习势
新模型系列（eSEN、MACE、UMA等）基于大规模数据集训练，在提升机器学习势能的效率与精度的同时，进一步拓展了其适用范围。
扩展的覆盖范围包括：
- 带电及磁性分子
- 生物分子与聚合物
- 金属配合物与催化界面
- 金属有机框架材料与分子晶体
- 无机材料
性能提升方面：
- 在多种应用中接近化学精度
- 针对GPU进行了性能优化
- 提供经过基准测试并配有文档的模型
- 可通过Package管理器轻松安装
这些功能支持一系列工作流程，包括：
量子化学模块 ADF
新增功能现已支持更广泛的电子结构和光谱应用领域：
- 基于 FQ（Fμ）嵌入的 GW 方法（可极化模型）
- 用于等离子体光谱（如表面增强拉曼散射）的 wFQ 方法
- 溶剂化模型 SM12 的解析梯度
- 结合 LibXC 的冻芯近似
- ROKS-TDA 及 ROKS-TDA-SOC 方法现包含自旋翻转向下激发态（改进含自旋-轨道耦合的 TDDFT 中未配对电子的描述）
- 针对开壳层 TD-DFT+TB 方法的激发态几何结构优化
- 结合 LibXC 及 Range-Seperated 泛函的核磁共振化学屏蔽计算
OLED 与多尺度工作流
OLED 工作流的更新加强了与 OLED 器件建模工具 Bumblebee 的集成，并提升了分析能力，具体包括：
- 新增 Bumblebee 图形用户界面（GUI） 及其与 OLED 工作流的集成
- 扩展了对瞬态行为的分析
- 支持激子分布、淬灭、复合与退化过程的分析
图形用户界面（GUI）
GUI 已更新，以简化模型设置和体系构建：
- 新增结构构建器（纳米颗粒、纳米管、微溶剂化）
- 更紧凑、更精简的菜单
- 对 AMSview 及可视化工具的改进
这些更新旨在提高常见任务的效率，同时保持灵活性。
溶液性质预测模块 COSMO-RS
现已推出用于复杂混合物建模的新工具：
- 液-液平衡求解器：用于识别联结线（tie lines）
- 稳定性测试：用于判断混溶性和相分离行为
- 支持多组分体系
- 与 Python 工作流集成：用于相行为分析
AMS Driver 与分子动力学
AMS 驱动器已更新，可在模拟中提供更强的控制和更高的鲁棒性：
- 快速的刚性势能面扫描（“非优化模式”），不弛豫其他自由度
- 在 PES Exploration 中加入吉布斯自由能
- 改进的分子动力学驱动器
其他改进：
- 稳定性检测
- 更小的引擎文件及性能优化
- 高级 SHAKE 约束
- 更灵活的反射边界条件
- 支持将 AMS MD 与 InfRETIS 路径采样方法结合使用
Python 编程
Python生态系统已得到扩展，以提升可用性和可复现性。
更丰富、结构化的示例库：
- 可在不同计算引擎和应用之间复用的示例（ADF、COSMO-RS、电池等）
- 从 GUI 工作流更平滑地过渡到基于 Python 的自动化
其他改进包括：
- 为更广泛的用户群体提供更易上手的 AMSPython 脚本编写
- 支持自动化和程序化工作流
- 兼容基于大语言模型辅助的脚本编写方法
欢迎试用！