这是本文档旧的修订版！
使用AKMC方法模拟Si0.5Ge0.5中空位的扩散
版本：2017. alpha
在本教程中，我们将采用自适应动力学蒙特卡洛方法（AKMC）模拟 Si0.5Ge0.5 合金空位扩散。AKMC 是一种可以即时执行的动力学蒙特卡洛（KMC）模拟算法，无需预先定义一组状态和反应机制。通过定位势能面上的鞍点确定反应机制，然后运用谐波过渡态理论（HTST）计算反应速率。您可以在以下教程中了解更多 AKMC 方法的相关信息：Adaptive Kinetic Monte Carlo Simulation of Pt on Pt(100)。
注意
对于经典的 MD 模拟，超过几百纳秒的模拟是不切实际的。但是，通过使用 AKMC，我们将能够在更长的时间范围内对体系的动态进行模拟。这是因为 KMC 模拟是将体系的动态描述为状态之间的转换，故一旦发现就可以快速计算出来。
获取初始结构
为了生成初始的 Si0.5Ge0.5 合金结构，我们在 2015 版 ATK 的 
Builder 里点击 Builders 
Substitutional Alloy。如果您使用的是更早版本，可以用这个脚本代替：↓initial-structure.py。
- 打开
Builder。 - Add
From Database，点击 Silicon (alpha)。 - Bulk Tools Repeat，设置 A = 4，B = 4，C = 4，点击 Apply 按钮。
- 选择 Builders Substitutional Alloy。
- 采用默认设置，用 Ge 替代 50% 的 Si。
- 点击 Create 按钮。
现在，您可以在 Builder 的主窗口和 Stash 中看到初始合金结构。可能与上图显示的有所不同，这是因为合金是随机生成的。接下来，我们要在初始结构上做一个 Si 的空位。本例中，我们删除了前面蓝色 Ge 后面的一个黄色 Si。您也可以随机创建一个 Si 空位。
现在，我们将要优化初始结构。
- 点击
按钮，将初始结构发送到 Script Generator。 - 添加
New Calculator 和 
OptimizeGeometry 模块。 - 修改输出文件名为
alloy.nc。 - 双击 New Calculator 模块，选择 ATK-Classical 计算器，参数为 StillingerWeber_SiGe_1995。
- 在 OptimizeGeometry 模块，设置 Force tolerance 为 0.01 eV/Å。
- 点击 按钮，将脚本发送到 Job manager。
您也可以下载使用脚本：↓initial-structure.py。该脚本会生成一个硅超胞，然后用 Ge 随机替换 Si 以达到 50:50 的比例，最后做一个如下所示的 Si 空位。
通过拖动脚本到主 VNL 窗口并放到 
Job Manager 上或直接通过终端运行脚本。
现在您已经有包含一个空位的 4×4×4 SiGe 超胞，结构优化后保存为 alloy.nc。请注意，这是一个很小的体系，仅用于说明的目的。进行科学有效的模拟时，您将需要一个更大的体系。您可以通过从 LabFloor 合金中选中 gID0001，并将其拖放到 
Viewer 从而在实现在 VNL 中可视化结构的功能。效果如下所示。
上图结构中有一个空位，但很难识别出。您将执行一个 LocalStructure 计算找出哪个原子没有典型的类金刚石排列方式。
- 从 LabFloor 将 gID0001 结构拖到
Scripter。 - 在 Scripter，双击 Analysis LocalStructure。
- 选择默认输出文件名为
local_structure.nc。 - 点击 按钮，将脚本发送到 Job manager，运行计算。预计耗时在一分钟内。
现在，您可以更清晰的观察到结构中的空位。在主窗口中，打开 Viewer 中的 LocalStructure，并展开侧栏的 Local Structure 面板，选择 Diamond-like。现在，所有不在空位附近并具有理想晶体结构的原子都被已经选中。打开 Properties 对话框，在 Atoms 选项卡中将所选原子的 opacity（不透明度）改为 0.1。将其他原子变得几近透明可以凸显空位附近的原子。结果如下图所示，请注意原子群中间明显的空缺。
运行 AKMC 模拟
现在您已经有一个优化好的初始结构，可以开始进行 AKMC 模拟了。将 alloy.nc 从主 VNL 窗口拖到 Script Generator。
New Calculator 会在 Scripter 中自动加载。从 ATK 2017 版开始，AdaptiveKineticMonteCarlo 是在 Scripter 操作实现的。如果您用的是老版本，您可以下载脚本 ↓adding-akmc.py，将其附加在 
Editor 的目录里，而不用按照如下的步骤操作。
添加 Optimization AdaptiveKineticMonteCarlo 模块。
1. 双击 
AdaptiveKineticMonteCarlo。
2. 在 Saddle Search 选区，设置 Number of searches 为 100。
3. 在 Optimization 选区，按下 Atomic Constraint Editor 按钮。
- 选择一个离空位最远的原子。
- 按下 Add tag from Selection 按钮。
- 将 Constraint 的选择从 None 改为 Fixed。
- 按下 OK。
4. 在 Molecular Dynamics 部分，设置 temperature 为 1200 K。
注意
如果您查看 AdaptiveKineticMonteCarlo 界面上的 Help… 按钮，里面有设置和定义的详细介绍。更高的搜索次数和更高的置信度会提供给我们更好的准确性，但相应的计算成本也会很大。
5. 保存输出文件为 akmc.nc。
提示
您看到的 AKMC 脚本（无论是从 Scripter 还是 ↓adding-akmc.py）都可以使用现存的文件重启模拟。更多有关 AKMC 参数描述的详细内容可参考教程：Adaptive Kinetic Monte Carlo Simulation of Pt on Pt(100)。
现在运行脚本，在台式机上耗时应该不超过半小时。最后，您将会有一个 MarkovChain 数据块存储在 akmc_markov_chain.nc 文件，一个 KineticMonteCarlo 数据块存储在 akmc_kmc.nc 文件。MarkovChain 数据块存储了模拟期间的所有状态（构形）以及它们之间的连接，它可以用来计算整个体系的全速率矩阵。
注意
由于这些方法里的随机元素存在，您也许不能获得跟此处完全相同的结果。如果您想要追求与本教程相同的分析，可以下载用于制作教程的文件：↓akmc_kmc.nc，↓akmc_markov_chain.nc 和 ↓akmc_log.nc。
选择 Labfloor 上 akmc_markov_chain.nc 文件里的 labfloor_markovchain.png gID000，点击右边面板的 Markov Chain Analyzer。
检查每个状态（下面图里显示的为状态 0 和状态 5），使用 movie 工具里的播放按钮 查看原子的扩散和移动。从状态 0 开始，系统到状态 1 的能量势垒非常低，为 0.065 eV。您观察过程影片可以发现，它似乎是弛豫过程而不是真正的扩散。