Solid-angle based nearest-neighbor algorithm adapted for systems with low coordination number
本文引入了一种无参数的“内切圆修正”方法来改进基于立体角的最近邻（SANN）算法，有效地解决了该算法在低配位数系统中容易过度计数邻居的问题，同时在各种晶体和异质结构中保持了计算效率和鲁棒性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在原子与分子的隐形世界中，粒子排列的方式决定了材料的特性。一种物质是坚硬的钻石、润滑的润滑剂还是流动的液体，完全取决于其组成部分在局部环境中的邻里关系。为了理解这些材料，科学家必须首先回答一个看似简单的问题：谁是邻居？在拥挤的粒子群中，并不总是容易分辨哪些粒子是在接触，哪些仅仅是经过。这种区别至关重要，因为一个粒子的即时邻居数量（被称为配位数）决定了整个系统的结构。几十年来，研究人员一直依赖数学工具来划定这些无形的边界，但当人群稀疏或排列方式异常时，这些工具往往会遇到困难，常将遥远的粒子误认为是亲近的朋友。
来自乌得勒支大学和巴黎-萨克雷大学的研究小组开发出了一种精细的方法来解决这一特定问题。他们专注于一种名为“基于立体角的最近邻算法”的现有技术，该技术通过检查一个粒子的周围视野被其同伴遮挡了多少来确定邻居。虽然这种方法在稠密、混乱的系统中表现良好，但在粒子稀少且间隔较远的开放式结构晶格中，它往往会产生系统性误差。在这些低密度环境中，原始算法经常过度延伸，将属于下一层邻居的粒子也计入第一圈之内。研究人员引入了一种几何修正来解决这种过度计数问题，且无需在计算中添加任何新的可调参数。他们改进后的方法被称为 mSANN，能够成功识别从蜂窝状图案到金刚石晶体等复杂结构的正确邻居数量，为微观世界提供了一张更准确的地图。
识别邻居的核心挑战在于缺乏一个统一且通用的“接触”定义。在完美的晶体中，答案是明确的；但在实际材料中，热能会导致粒子发生震动，从而模糊了层与层之间的界限。传统方法通常依赖于固定的距离截断值，即在粒子周围画一个圆，并统计圆内的所有粒子。然而，当材料内部密度发生变化时，这种方法就会失效。另一种流行的方法是使用空间的几何划分，将每个粒子周围的区域划分为一个独特的胞元。虽然这种方法避免了人为的距离限制，但它对微小的振动非常敏感，并且在低配位结构（如每个粒子仅有三个邻居的蜂窝晶格）中，可能会错误地包含远处的粒子。立体角法旨在成为一种鲁棒的替代方案，它不需要固定的距离设置。它的工作原理是想象一个围绕中心粒子的球体，并计算每个潜在邻居所占据的角度空间。算法会不断扩大边界，直到邻居们共同填满整个球体。这在稠密系统中运作得非常完美，但在开放式晶格中，情况的几何特性会误导该算法。
研究人员发现，在开放结构中，原始方法实际上画了一个过大的圆。想象一个粒子位于由其三个最近邻组成的三角形中心。为了填满中心粒子周围的空间，算法计算出的半径会触及该三角形的顶点。这样做，它会不经意间包含了位于该三角形之外、处于下一层结构的粒子。这是因为算法处理空间的方式，仿佛需要用一个经过邻居的圆来填充，而不是一个仅仅包含它们的圆。这种几何上的疏忽导致了对邻居数量的持续高估，将第一层邻居与第二层邻居混淆。
为了纠正这一点，作者提出了一种基于“经过邻居的圆”与“包含在它们形成的形状内的圆”之间关系的简单几何调整。他们意识到，虽然原始方法使用的是外接圆，但对于这些稀疏结构而言，使用一个介于内径和外径之间的半径会更加准确。他们引入了一种修改方法，将计算出的半径进行缩放，有效地缩小了边界，使其既能排除远处的粒子，又能容纳原子的自然震动。这种调整纯粹是几何性的，不需要新的参数或调优，保留了原始方法的简洁性。它起到了一个过滤器的作用，防止算法在开放晶格中过度延伸，同时保持处理真实材料中热噪声的灵活性。
团队通过多种模拟系统，将新方法 mSANN 与原始算法以及传统的几何划分法进行了对比测试。在二维蜂窝晶格和方格晶格的模拟中，原始方法经常误判邻居数量，通常会将三或四个邻居误认为六个或五个。然而，改进后的方法始终能准确识别每个粒子的配位数，产生了一个与理论结构相匹配的清晰分布。在涉及金刚石和石墨结构的三维测试中（这些结构同样具有低配位数），原始方法再次难以区分第一层和第二层邻居。mSANN 修正成功解决了这一问题，在所有测试的晶体类型（包括简单立方和体心立方晶格）中都准确识别了正确的邻居数量。
研究人员还检查了更复杂的无序系统，例如包含不同形状和邻居计数的准晶体。在这些异质环境中，原始的立体角法有时会在正方形间隙的对角线上创建虚假的连接，从而合并了原本分离的区域。改进后的算法避免了这些伪连接，保留了结构的真实拓扑结构。此外，在不同相共存的系统（例如晶体与无序区域的界面）中，新方法在界面处提供了连贯的邻居识别，而其他方法则表现出显著的不一致性。这种鲁棒性表明，该修改对于研究那些并非完全有序、局部环境随点而变化的材料特别有价值。
除了准确性，研究人员还关注计算速度，因为邻居识别是许多大规模模拟中的基础步骤。他们以一种能够利用现代计算能力的方式实现了该算法，通过并行处理来高效处理计算。基准测试显示，对于粒子数少于一千个的小型系统，传统的几何方法仍然是最快的选择。然而，随着系统规模的增大，改进后的算法变得明显更快，在处理包含数百万个粒子的超大型系统时，其速度几乎是传统方法的两倍。这种效率结合在低密度环境下提高的准确性，使该方法成为分析复杂材料的强大工具。
这项工作证明，仔细审视问题的底层几何结构，可以显著改善我们对物理世界的建模方式。通过意识到原始方法对“邻居”的定义在开放结构中过于宽松，研究人员得以引入一种既在数学上优雅又在实践中有效的修正方案。改进后的算法不仅修复了一个特定的错误，它还提供了一种更可靠的方法来绘制物质的局部结构图谱——从坚硬的晶体点阵到波动的无序相。对于在原子尺度上研究材料行为的科学家来说，拥有一个能够在不被间隙干扰的情况下准确计数邻居的工具，是理解构成我们世界的材料属性的关键一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。