英文原题：LASP to the Future of Atomic Simulation: Intelligence and Automation

通讯作者：刘智攀 （复旦大学）；商城（复旦大学）

作者：Xin-Tian Xie（谢忻恬），Zheng-Xin Yang（杨正新），Dongxiao Chen（陈东晓），Yun-Fei Shi（史云飞），Pei-Lin Kang（康沛林），Sicong Ma（马思聪），Ye-Fei Li（李晔飞），Cheng Shang（商城），Zhi-Pan Liu（刘智攀）

研究背景：

原子模拟已成为现代科学研究中揭示原子动态过程的主要工具，旨在理解和预测复杂的物理现象。其成功在很大程度上依赖于势能面描述的准确性和捕捉重要稀有事件的效率。然而长期以来基于量子力学和统计力学的传统模拟由于需要在精度和效率之间保持平衡，极大地制约了模拟尺度和应用场景。最近几年得到蓬勃发展的机器学习势函数在很大程度上颠覆了这一传统，为大规模原子模拟开辟了一条新途径。

内容介绍：

复旦大学的刘智攀教授课题组开发的“基于神经网络势函数的大规模原子模拟软件（LASP）”于2018年发布，通过关注高质量训练数据集的构建新方法来预测未知势能面，以获得具有结构可迁移性良好的全局神经网络势函数，并结合高效的“随机表面行走(SSW)”全局优化方法，为新结构和未知反应提供广泛的预测能力。他们在最近更新的3.7版本针对多体函数矫正神经网络势函数架构的优化，改善了对大体系的运算效率。并以LASP软件为基础，建立了一系列复杂结构搜索预测工具集，包括用于在巨正则条件下预测表界面结构的“表面相自动优化方法（ASOP）“和“机器学习-界面（ML-interface）”方法，以及用于自动搜索能量最低反应路径的“机器学习-过渡态方法（ML-TS）”和“微观动力学引导机器学习路径搜索方法（MMLPS）”。这些新的功能保证LASP能够智能、高效地生成结构数据，并已经针对分子筛和金属配体等重要材料体系，创建了智能化的计算数据库。

图1.LASP软件3.7版本通过改进多体函数校正神经网络势函数架构，优化了计算和训练效率，实现了计算代价随原子数的线性增长。

总结/展望：

随着理论方法的持续发展和全局势函数库的不断积累，经过六年的开发，LASP软件已成长为一个强大的原子模拟平台，具备多种功能。多体函数校正神经网络势的高准确性、计算效率和鲁棒性为新的结构和反应采样算法的实现提供了极大的灵活性。目前LASP项目正转向在GPU硬件上训练第一版元素通用，并能够提供电子结构信息的全局势函数。随着这一硬件转型，未来的原子模拟有望变得更简单、更自动化。这些新进展将标志着在解决化学和材料科学挑战方面的重大进步，必将引领意想不到的新科学发现。

Cite this: Xie, X.-T.; Yang, Z.-X.; Chen, D.; Shi, Y.-F.; Kang, P.-L.; Ma, S.; Li, Y.-F.; Shang, C.; Liu, Z.-P. LASP to the Future of Atomic Simulation: Intelligence and Automation. Precision Chemistry 2024, 2 (12), 612–627. https://doi.org/10.1021/prechem.4c00060.

 ‌