机器学习 DFT QuantumATK 本次发布的新版本引入了机器学习密度泛函理论(ML-DFT)。ML-DFT 模型经过训练可重现 DFT(GGA)级别的密度或有效势函数,能显著加速电子结构特性及输运过程的模拟流程。ML 训练得到的密度/有效势函数可用于: 作为标准 DFT 计算中自洽场循环的初始状态,大幅减少自洽场迭代次数; 直接预测 Hartree 差别势、总能量、能带结构、态密度、哈密顿量导数、透射等特性(无需完整自洽场循环)。通过替代传统 DFT 中最耗时的步骤(完整自洽场循环),ML-DFT 实现了 DFT 级计算速度的大幅提升,从而支持包含多达 1000-10000 个原子的大规模模拟,并助力以往传统 DFT 难以实现的高通量统计平均研究。 用户可以使用软件预先训练好的模型或自己针对特定体系训练模型。训练和使用模型都可以在图形界面中完成。 当前版本中包含的预先训练的模型:Materials Project 数据库中的密度、SiGe 密度、III-V 化合物密度、铜有效势、HKMG 多层堆叠分区密度等。 图:经过预训练的 ML-DFT “铜有效势”模型能直接预测铜板的电阻,其预测结果与全 SCF 传统 DFT 方法高度吻合,但计算速度提升 8.6 倍。该模型可基于数百种构型计算电子输运特性,同时模拟表面无序和温度效应——对于 960 种构型的采样,可节省 3 个月的计算时间。 GPU 加速原子轨道基组 DFT 杂化泛函计算、平面波 DFT 计算和 G0W0 计算 在之前的 X-2025.06 版本中,QuantumATK 实现了 DFT- LCAO(LDA、GGA、metaGGA)以及半经验(SE)体相计算(包括能带结构、投影能带结构、投影态密度、布洛赫态)和器件(NEGF)计算的 GPU 加速功能。本次发布的 QuantumATK 版本新增了 DFT- LCAO 混合泛函、DFT 平面波方法、多体物理 G0W0 方法以及电子-声子耦合(EPC)计算的 GPU 加速支持。 DFT-LCAO 杂化泛函 6x 加速 DFT-PlaneWave 计算 10x 加速 G0W0 计算 12x 加速 电声耦合(EPC)计算 6x 加速 平衡态(偏压为0时)的普通 DFT 和半经验加速比上一个版本也有提升 注:以上结果基于特定的体系和硬件测试,详情参见厂商新版发布说明文档。 半经验量子力学方法和器件 NEGF 方法改进 新版本为半经验分析计算(如投影态密度(DOS)与电子-声子耦合)以及基于半经验模型和密度泛函理论(DFT)的器件 NEGF 计算,带来了多项性能优化(包括加速和内存占用降低)。 采用不同半经验(SE)模型进行计算时的加速效果投影态密度(PDOS)最高可达 4 倍;电子-声子耦合最高可达 35 倍; 采用不同 SE 模型时,体力与应力计算最高可达 25 倍加速(通常仅占总模拟时间的很小部分)。 器件 NEGF 加速使用多种 SE 模型进行 NEGF 计算时的加速效果。器件自洽场最高可加速 3 倍器件 DOS(正交模型,如最近邻模型)最高可加速 20 倍透射计算最高可加速 1.5 至 3 倍。加速效果取决于器件的几何结构,宽器件越大,细长器件越小。 DFT- LCAO 进行 NEGF 计算时的加速效果能量与力计算最高可加速 12 倍器件自洽场计算最高可加速 4 倍 + 收敛性更优 光电流计算最高可加速 7 倍 注:以上结果基于特定的体系和硬件测试,详情参见厂商新版发布说明文档。 新一代模块化机器学习力场训练框架 在之前的版本中,矩张量势(MTPs)与神经网络 MACE 机器学习力场(ML FFs)采用了不同的训练框架。本次版本通过引入通用模块化机器学习力场训练框架,显著提升了操作的便捷性。该框架包含数据生成、模型拟合与验证等独立模块,可适用于 MTPs、MACE 等多种机器学习力场模型的训练。新版特别新增专用工作流构建模块与机器学习力场分析工具,用户可通过 NanoLab 图形界面直观展示不同 ML FF 架构(MTP 与 MACE)的误差统计图,并通过单一图表对比多个模型拟合结果,快速获取整体模型性能评估。 机器学习力场 GPU 加速比显著提高 在之前的 X-2025.06 版本中,QuantumATK 为采用 MTPs 的离子动力学模拟引入了单 GPU 与多 GPU 加速技术,并为使用 MACE 和 MatterSim 神经网络势能的分子动力学模拟提供了多 GPU 加速方案。本次版本针对 MACE 和 SevenNet 神经网络势能实现了 GPU 性能的显著提升(3-5 倍),相较于 CPU 整体加速比最高可达 250 倍。 热学材料的精确模拟:MD 的双温模型 在典型的分子动力学(MD)模拟中,离子被视为与电子解耦(整个系统采用单一热库)。该方法提出了一种双温法(TTM),适用于包含电子-声子相互作用和电子阻滞效应的 MD 模拟。TTM 能够模拟含电子贡献的热输运(对含金属体系尤为重要),或非平衡电子加热(例如通过光-物质相互作用)。 图:双温度模型(TTM)计算得到的 Cu(001)/Ta(001) 界面热导率与文献值高度吻合。相较之下,传统分子动力学模拟(不考虑电子-声子耦合且未采用 […]









