🔬 材料科学

Scalable long-range machine learning interatomic potentials with electrical response for atomistic material modeling

本文介绍了 DPA4C-LR，这是一个可扩展的机器学习原子间势能框架，它通过解析地将长程静电相互作用与局部潜在电荷导数分离，从而实现对数百万个原子规模下电响应和场相关材料属性的高效、分布式原子模拟。

原作者： Yicheng Chen, Xiaoyun Yu, Hyejeong Song, Xintian Wang, Zihui Li, Zixi Xia, Junmin Chen, Peichen Zhong

发布于 2026-10-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Yicheng Chen, Xiaoyun Yu, Hyejeong Song, Xintian Wang, Zihui Li, Zixi Xia, Junmin Chen, Peichen Zhong

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

材料科学长期以来面临着一个根本性的鸿沟。一方面是量子力学定律，它们可以精确预测单个原子的行为，但由于计算速度过慢，一次只能模拟几千个原子；另一方面是理解现实世界设备（如电池或计算机芯片）所需的宏大模拟，这些设备包含数百万甚至数十亿个原子，但往往依赖于简化的规则，从而忽略了原子实际相互作用的微妙细节。缺失的环节在于，如何以量子物理的精度来模拟大规模的原子集合，尤其是在这些原子受到电场作用时。在现实世界中，电驱动离子移动，使材料在不同状态之间切换，并在微观层面产生热量。为了设计更好的设备，科学家需要观察这些过程在广阔空间中的演变，但追踪每个原子之间无形电力的数学运算通常使得如此大规模的模拟变得无法实现。

新加坡国立大学的一个研究小组通过开发一种全新的计算框架填补了这一空白，该框架允许他们在考虑长程电效应的同时，高精度地模拟数百万个原子。他们最近发表的研究介绍了一种名为 DPA4C-LR 的方法。该系统结合了一个高效的局部模型（用于预测原子与其直接相邻邻居之间的推力和拉力）和一个独立的全局计算（用于处理长距离电场力）。通过这种拆分问题的方法，研究人员避开了通常会导致科学家无法模拟电场下大规模系统的计算瓶颈。他们证明，该方法仅需四块强大的图形处理器（GPU）即可模拟包含 520 万个原子的系统，这一规模在以往同等精度的模拟中是无法实现的。

该团队解决的核心挑战是如何在不降低速度的前提下纳入电学响应。在许多材料中，原子对电场的响应取决于整个系统的集体行为，而不仅仅是附近的原子。传统的试图为每一步模拟计算这些全局效应的方法，要求将所有数据集中存储在一个地方，这导致工作无法分布到多台计算机上进行。新方法通过将长程电场力视为一个独立的步骤，利用成熟的数学技术进行高效求解，同时将复杂的局部相互作用交给一个可以同时分布在多个处理器上的机器学习模型来处理。这使得模拟能够扩展到数百万个原子，而不会失去预测材料对电流或电场反应的能力。

为了证明该系统的有效性，研究人员在三种截然不同的材料上进行了测试，每种材料都需要大量的原子才能揭示真相。首先，他们研究了液态水。水分子是极性的，这意味着它们有正端和负端，并且会不断响应电场进行重新定向。团队模拟了一个巨大的水块并施加了不同强度的电场。他们的模型成功预测了水的红外光谱（即其吸收光线的独特指纹）如何随电场变化而发生偏移。这证实了该系统即使仅基于基础的能量和力数据进行训练，从未被明确教授过关于电场的信息，也能准确推断出原子如何运动以及如何响应电。

接下来，团队处理了一种被称为弛豫铁电体的复杂陶瓷材料，具体为铌酸镁铅。这类材料以其改变极化的能力而闻名（该特性被用于传感器和执行器），但其行为极难模拟，因为这取决于仅在大型样本中才会出现的微小、紊乱的原子区域。当研究人员模拟该材料的小块样本时，结果看起来像是标准的有序晶体。然而，当他们将规模扩大到近 3 万个原子的模拟时，情况发生了彻底变化。大规模模拟揭示了一个“瘦窄”的磁滞回线，这是材料在不被卡住的情况下实现状态切换的特定特征，也是弛福特（relaxor）材料的定义特征。这一结果表明，以往模拟的有限尺寸掩盖了材料的真实本质，只有达到数百万个原子的规模，才能观察到正确的行为。

最后，研究人员将他们的方法应用于一种固态电解质——一种用于下一代电池的类玻璃材料，具体为氯氧化铌锂。在这些材料中，离子必须在紊乱的结构中自由移动以导电。团队模拟了一个大型玻璃样本，并施加恒定电场以观察锂离子的漂移。通过追踪这些离子随时间的变化，他们计算出了材料的电导率。结果显示，在室温下，其电导率为 6.8 ± 0.7 mS/cm。这一测量值比以往没有施加电场的模拟结果更为可靠，因为以往的模拟依赖于难以精确测量的微小、随机的热波动。新方法提供了一个清晰、直接的视角来观察材料如何导电，为设计更好的电池组件提供了可靠的基准。

这项工作的意义不仅限于上述具体案例。通过证明可以在数百万个原子之间高效计算长程电效应，研究人员为模拟整个器件层而非仅仅是其微小碎片打开了大门。这意味着科学家现在可以模拟热量和电能在现实设备界面（例如硅芯片与钻石散热片之间的边界）上的流动，其细节程度是以前无法实现的。该框架不仅是一项理论进步，更是一个可以在现有硬件上运行的实用工具，可用于探索材料在现实世界条件下所面临的行为。随着对更快、更高效电子和能源设备的需求增长，模拟数百万个原子规模系统的能力为创新提供了至关重要的基础，使研究人员能够在构建第一个物理原型之前，预测并优化材料的性能。

技术摘要：具有电响应特性的可扩展长程机器学习原子间势函数

问题陈述
在电场作用下对材料进行精确的原子尺度建模，需要捕捉长程静电相互作用和电响应（如 Born 有效电荷，或 BECs），其长度尺度远超传统密度泛函理论（DFT）等第一性原理方法的处理能力。虽然机器学习原子间势函数（MLIPs）已成功弥合了空间和时间尺度，但一个关键限制仍然存在：严格的局部模型虽然能够实现高效的空间并行化，却忽略了长程 $1/r$ 相互作用；而现有的静电扩展方法往往会引入全局依赖，从而阻碍分布式计算。具体而言，诸如潜在埃瓦尔德求和（Latent Ewald Summation, LES）之类的方法要求整个模拟胞的计算图都驻留在单个微分上下文中，这阻碍了跨多个 GPU 的领域分解。这为模拟与电场耦合的器件相关系统（数百万个原子，如极化翻转、离子传输和界面热传输）制造了瓶颈。

方法论
作者提出了 DPA4C-LR，这是一个将长程静电学和电响应推理集成到严格局部的、等变 MLIP 骨干网络中的框架，同时保持了空间可分解性。

局部骨干网络与潜在电荷： 该模型利用 DPA4C（一种具有单层消息传递机制的等变图神经网络）来生成严格局部的原子描述符。两个独立的网络分别基于这些局部环境预测短程能量（ $E_{SR}$ ）和原始潜在电荷（ $q^{raw}_i$ ）。一个全局投影步骤确保了整个系统的总电荷守恒。
解析分离长程项： 模型并未通过整个计算图追踪长程能量，而是通过解析方式分离了长程静电力和电荷响应。
- 全局静电学： 长程能量（ $E_{LR}$ ）通过一个全局静电求解过程计算（对于 3D 周期性系统使用粒子网格埃瓦尔德求和，对于非周期性系统使用实空间求和，对于 2D 板层使用 Yeh–Berkowitz 校正），该过程作用于投影后的电荷。
- 局部导数： 长程能量对原子位置的导数被分解为直接静电力和电荷响应力。至关重要的是，电荷响应项取决于局部潜在电荷对原子位置的导数（ $\partial q^{raw}_i / \partial r_j$ ）。这些导数通过每个空间分区内的自动微分在局部进行计算。
分布式实现： 该工作流在 nvalchemi 平台（NVIDIA ALCHEMI 工具包组件）上实现，允许使用领域分解在多个 GPU 上分配短程计算。长程项仅增加了一次全局静电求解和每步的局部反向传播，从而维持了跨多个 GPU 扩展的能力。
BEC 公式化： BEC 张量（ $Z^*_i$ ）被分解为一个直接电荷贡献和一个电荷响应贡献。响应项是在实空间中通过解析推导的，从而避免了以往方法（如 LES）中使用的倒易空间公式所带来的有限尺寸效应和不可分布式特性。

核心贡献

可扩展的电响应： 该框架成功地将具有电响应能力的 MLIPs 扩展到了数百万原子规模的系统，克服了以往静电 MLIPs 中存在的“全局依赖”瓶颈。
分布式 BEC 评估： 通过从局部电荷导数中解析地导出 BECs，该方法实现了在不同边界条件（3D 周期性、2D 板层、非周期性）下对能量、力和应力以及 BECs 的分布式评估。
零监督推理： 该模型仅通过对能量和力的训练即可推断出 BECs 和场相关性质，无需显式的电荷或 BECs 标签。

结果
该框架在三个需要大规模系统的不同应用场景中得到了验证：

体相水（Bulk Water）： DPA4C-LR 在体相水的能量和力数据上进行了训练。它实现了 20.2 meV/Å 的力 RMSE（优于 qNEP 变体），并以 0.05 e 的 RMSE 推断出 BECs。分子动力学（MD）模拟成功重现了静态电场（0–0.15 V/Å）下水的场依赖红外（IR）光谱。
弛豫铁电体 (PMN)： 模型模拟了 $\text{Pb}(\text{Mg}_{1/3}\text{Nb}_{2/3})\text{O}_3$ 的极化-电场（P–E）滞回曲线。虽然较小的超胞（6×6×6）由于有限尺寸效应表现出人工的类铁电滞回现象，但 18×18×18 的超胞（29,160 个原子）正确地重现了符合弛豫行为特征的“瘦窄”滞回曲线（具有消失的剩余极化）。
非晶固态电解质 (LNOC)： 在非晶 $\text{Li}_{0.9}\text{NbO}_{0.9}\text{Cl}_{4.1}$ 中，模型预测了室温下的场驱动离子电导率为 6.8 ± 0.7 mS/cm。该值是通过对 19,872 个原子的胞进行场驱动 MD 计算得出的，与零场下的 Einstein–Helfand 估算相比，其置信区间窄了七倍。
界面热传输： 该框架利用经过板层校正的静电学模型了 Si/diamond 界面的热传输。结果（0.148–0.160 GW m $^{-2}$ K $^{-1}$ ）与矩张量势（moment-tensor-potential）研究及实验范围一致，验证了 Yeh–Berkowitz 校正实现的有效性。

可扩展性性能
在四块 NVIDIA H200 GPU 上，DPA4C-LR 可扩展至 520 万个原子。长程项的计算开销约为短程骨干网络的 2.1 倍。在最大规模下，该框架保持了约 40–43% 的并行效率，证明了长程物理和电响应可以在器件相关的模拟规模下实现。

意义
论文声称，DPA4C-LR 为研究器件相关长度尺度的场驱动和界面动力学提供了实用的基础。通过结合长程物理、电响应推理和分布式计算，该框架弥合了第一性原理精度与模拟诸如弛豫体中极化翻转、固态电解质中的离子传输以及界面热耗散等现象所需的系统规模之间的差距。作者强调，这种方法使得在具有电响应能力的百万级原子规模下进行模拟成为可能，而此前这类模拟受限于较小的系统规模或高昂的计算成本。

类似论文