PAOFLOW: an automated suite for ab initio electronic, transport, and topological properties of materials

现代材料科学依赖于一种强大但往往十分繁琐的工具：通过在计算机上模拟物质的原子来预测其行为的能力。科学家利用这些模拟来理解从电流如何通过导线，到为什么某种特定矿物可能成为超导体的所有现象。然而，最精确的模拟速度极其缓慢。它们要求计算机为描述材料电子的数学空间中的每一个点求解复杂的方程。为了获得材料特性的清晰图像，研究人员通常需要对数百万个这样的点进行采样，这一过程即使在最快的超级计算机上也可能需要数天或数周的时间。这种瓶颈使得构建用于训练人工智能以发现新材料的大规模、一致性数据库变得十分困难。如果计算机分析一种材料所需的时间过长，它就无法筛选出寻找下一个突破口所需的成千上万种候选材料。

一个研究团队开发了一种名为 PAOFLOW 3.0 的新软件套件，它在不牺牲准确性的情况下解决了这个速度问题。该程序充当了一个“翻译官”，将标准计算机模拟中沉重、详细的结果转换为一种更轻量、更紧凑的格式。这种新格式保留了材料精确的电子行为，但允许科学家几乎瞬间完成属性计算。通过自动执行这种转换，该软件使研究人员能够为人工智能生成大量的、高质量的数据，并探索以前因成本过高而无法研究的复杂物理现象。

这项成就的核心在于该软件如何处理电子运动的数学问题。标准模拟使用在整个晶体中扩散的波来描述电子。虽然准确，但这些波在计算处理上非常昂贵。PAOFLOW 将这些波描述投影到一组局域的、以原子为中心的轨道上。这可以类比为将一张高分辨率的风景照片转换为一张详细的地标地图；地图更容易导航和测量，但它保留了关于地形的所有本质信息。这种转换创建了一个“紧束缚”（tight-binding）模型，即一种简化的材料电子结构表示，在所选能量范围内在数学上是精确的。一旦建立了这个模型，软件就可以插值电子能带——本质上是在原始数据点之间填充空隙——从而生成一个关于材料行为的平滑且连续的图像。这使得计算需要极高精度的属性成为可能，例如费米面的形状，它决定了电子如何在材料中运动。

新版本的软件 PAOFLOW 3.0 显著扩展了科学家利用这些模型开展工作的能力。它现在支持来自世界上两种最广泛使用的模拟代码的计算，允许研究人员在不同的计算工作流之间切换，而无需改变其分析方法。它引入了一种自洽的方法来计算“Hubbard U”和“V”参数，这些参数是准确描述具有强相互作用电子（如过渡金属氧化物）的材料所需的修正项。此前，这些参数通常需要通过猜测或拟合实验数据来获得，但这种新方法直接从第一性原理出发进行计算，消除了猜测。该软件还生成了“环境依赖型”模型，这意味着描述原子如何结合的数学规则可以根据局部环境的拥挤程度而变化。这对于研究表面、界面或材料扭转层（其中原子排列不均匀）至关重要。

凭借这些强大的模型，该软件可以计算大量与现实应用直接相关的物理属性。它可以预测材料如何传导电和热，如何响应磁场，以及如何与光相互作用。例如，它可以确定霍尔效应（即磁场将移动的电子推向一侧的现象），或能斯特效应（即在磁场中由温度梯度产生电压的现象）。该软件还处理“自旋”这一复杂的物理现象——这是电子的一种量子属性，它允许研究人员计算自旋电流和 Rashba-Edelstein 效应（即电流感应出净自旋积累的现象）。这些能力对于开发自旋电子学至关重要，该领域旨在利用电子自旋而非仅仅是电荷来存储和处理信息。

除了标准的输运性质外，该软件还涉足拓扑材料的量子领域。这些物质的全局电子态排列产生了独特的行为，例如在表面导电而在内部保持绝缘。PAOFLOW 可以识别这些拓扑特征，包括“外尔点”（Weyl points），即能带以受保护的方式交叉的特定能量结构位置。它还可以计算“陈数”（Chern numbers，用于分类材料拓扑性质的整数）以及揭示隐藏对称性的“镜像陈数”。该软件包含一个专门设计的模块，用于寻找量子振荡的频率，这是一种物理现象，即材料的电学性质随着磁场的变化而发生周期性波动。这些振荡提供了材料费米面的直接指纹，使科学家能够将他们的模拟结果直接与实验测量进行对比。

PAOFLOW 的效用还延伸到了研究电子与原子点阵振动（称为声子）相互作用的研究中。电子-声子耦合是常规超导性的机制，在这种情况下，电流以零电阻流动。该软件可以将这些相互作用插值到极密集的网格上，而使用标准方法进行此类任务在计算成本上是难以承受的。这使得精确计算超导转变温度（即材料变为超导体的临界点）成为可能。此外，该软件还可以模拟纳米级器件（如单原子线）中的电子输运，计算电流如何流经接点，以及它如何受到缺陷或杂质的影响。

为了展示其能力，研究人员将该软件应用于从简单的硅到复杂的扭转双层石墨烯等多种材料。在处理扭转双层石墨烯时（其中两层碳相对于彼此旋转，形成一个包含数千个原子的巨大超晶格），该软件成功生成了一个可迁移的模型，可用于研究该材料的平带和低能物理特性。由于系统规模巨大，直接进行模拟是不可能的。该软件还成功模拟了像 $MoP_2$ 这样的材料的拓扑性质，识别了外尔点的精确位置，并计算了铅中的电子-声子耦合，重现了高精度的既定结果。

该软件的架构设计兼顾了性能与灵活性。它采用分层方法，其中高层逻辑使用 Python 编写，使其易于访问和扩展，而繁重的计算任务则交给经过优化的例程处理。这种设计允许软件使用稀疏代数技术来处理大型系统，即仅存储原子之间相关的相互作用，而不是所有可能相互作用的全矩阵。这种效率意味着单个工作站现在可以处理拥有数十万个轨道的系统，而这种规模以前需要大规模超级计算机。

通过自动构建和分析这些紧凑的哈密顿量，PAOFLOW 3.0 消除了长期阻碍创建大规模、一致性材料数据库的计算障碍。它提供了一个统一的框架，用于计算基于相同底层第一性原理数据的电子、光学、输运和拓扑属性。这种一致性对于训练人工智能模型至关重要，因为人工智能需要大量的可靠数据来学习材料科学的规律。该软件是开源的，允许全球科学界在其基础上进行开发，并支持广泛的输入格式，确保它可以集成到多样化的研究工作流中。随着领域向发现新量子材料和设计更高效能源技术的方向迈进，像 PAOFLOW 这样的工具为将理论预测转化为现实提供了必要的速度和精度。