DFT-LCAO性能增强
- 使用 GGA、MetaGGA、Hubbard U 选项的 DFT 自洽场计算和结构优化速度提升2倍
- ProjectedDensityOfStates、FatBandstructure 和 MagneticAnisotropyEnergy 分析计算提速 5 倍
- DFT-LCAO 块体和器件计算现在可以使用不同基组自洽结果的电子密度初始化
- 先用小基组自洽，再初始化大基组，可以大大加快收敛速度
- SecondHarmonicGenerationSusceptibility 计算提速 40 倍
- PhononBandstructure 改进，能带色散包含 LO-TO 劈裂
GPU 加速 DFT 和 SE 计算
新版对多数计算密集的部分支持大约 10 倍的 GPU 加速。
- 块体
- 自洽（SCF）计算：对角化、密度矩阵
- 分析工具：能带（Bandstructure）、投影能带（FatBandstructure）、态密度与投影（ProjectedDensityOfStates）、布洛赫函数（BlochStates）
- DFT和SE 器件（NEGF）计算
- 自洽NEGF
- 分析工具：透射谱（TransmissionSpectrum）、能带排列（ProjectedLocalDensityOfStates）
- Possion Solver支持两种求解工具（ParallelConjugateGradientCalculator 和NonuniformGridConjugateGradientSolver）
GPU 加速动力学和机器学习力场计算
- GPU 加速
- 支持分子动力学（MolecularDynamics）、结构优化（OptimizeGeometry）、TimeStampedForceBiasMonteCarlo
- MD 支持多 GPU 计算
- 多 GPU 加速支持 MACE 和 Mattersim 神经网络势
- 支持MolecularDynamics
机器学习势的完整平台
QuantumATK 现在包含了对机器学习势和神经网络势的进行训练、验证、调优的完整工具，支持丰富的动力学模拟工具。
- 设置机器学习势的专门工具
- 可以直接设置预先训练的 MTP 和 MACE 势可以选择预先训练的神经网络势
- 允许添加 D3 校正
- 用于导入其他机器学习势的框架
- 允许导入、测试最新的开源 MLP 模型（如 DeePMD、ORB、SevenNet、CHGNet、MACE 等等），包括预先训练的模型或者用户训练的模型
- MLP 需要兼容 ASE 计算工具和 QuantumATK 中的 Python 环境
- MACE 模型可以转换为 QuantumATK 原生模型
- 用于训练 MACE 新模型和微调已有模型
- 全部使用用户数据从零开始训练 MACE 模型
- 加入用户数据微调已有的 MACE 模型
- MTP 力场训练优化
室温扩散技术
- 使用Accelerated Collective Variable Hyperdynamics（CVHD）方法
- 模拟低温下的扩散比普通MD加速100倍，更容易看到罕见的动力学事件
- 可以获取正常的模拟时间，以便获取扩散系数等速率参数
- AKMC可以使用鞍点搜索新方法
- 新增Lanczos 和ARTn鞍点搜索快速方法
NEB和化学反应分析
- 初始路径建模新方法
- 路径优化方法更新；得到更精细的鞍点
- 结果分析工具更新
表面处理模拟更新
- 分子动力学模拟步长可变
- 支持更多基底构造形态
- CVD微动力学模型
离子动力学更新
- 多种计算支持新增的速度投影优化方法和共轭梯度优化工具，可以用于常规方法不收敛的情况
- FBMC中支持刚性固定结构
其他改进
- Job manager优化更新，支持选择GPU、CPU提交等
- 新增二维材料结构数据库，以及用于二维材料的Stillinger-Weber势
- 重新支持CentOS 7。