清華新聞網(wǎng)3月18日電 近日，清華大學(xué)物理系徐勇教授、段文暉教授研究組提出一種第一性原理人工智能的計算框架，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行密度泛函微擾理論（DFPT）計算，這一突破性的方法極大地提高了材料的微擾響應(yīng)性質(zhì)研究的計算效率。
利用第一性原理方法計算預(yù)測材料的微擾響應(yīng)性質(zhì)，對于指導(dǎo)實驗和實際應(yīng)用具有重大意義。傳統(tǒng)上使用DFPT方法研究響應(yīng)性質(zhì)，可用于描述巴丁-庫珀-施里弗 (BCS) 超導(dǎo)、鐵電性、輸運性質(zhì)等物理現(xiàn)象。然而，這種方法由于其較高的計算成本，可處理的材料體系范圍受到極大限制。近期發(fā)展的一系列深度學(xué)習(xí)第一性原理計算方法，能夠加速密度泛函理論（DFT）計算，高效準(zhǔn)確地預(yù)測大尺度材料基態(tài)性質(zhì)。將深度學(xué)習(xí)方法由DFT拓展至DFPT，從而極大加速微擾響應(yīng)性質(zhì)計算并應(yīng)用于大尺度材料研究，是重要且亟待解決的問題。
圖1.徐勇、段文暉研究組在第一性原理人工智能領(lǐng)域的近期進(jìn)展：DeepH系列方法發(fā)展
在先前工作中，徐勇、段文暉研究組發(fā)展了一種名為DeepH（Deep-learning DFT Hamiltonian）的深度學(xué)習(xí)第一性原理計算方法，可從DFT數(shù)據(jù)中學(xué)習(xí)，并預(yù)測給定材料結(jié)構(gòu)的哈密頓量，從而高效計算基態(tài)物理性質(zhì)。隨后，他們將這一方法推廣至基于等變神經(jīng)網(wǎng)絡(luò)的普適框架DeepH-E3，以及用于研究磁性超結(jié)構(gòu)的xDeepH。在這項最新進(jìn)展中，徐勇、段文暉研究組將DeepH方法進(jìn)一步擴(kuò)展應(yīng)用到DFPT計算上，通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)DFPT的核心物理量，即單位擾動下科恩-沈（Kohn-Sham）勢的變化，從而實現(xiàn)繞過最為耗時的斯特恩海默 (Sternheimer) 方程自洽求解過程，直接獲得材料的微擾響應(yīng)性質(zhì)。
圖2.深度學(xué)習(xí)密度泛函微擾理論（DFPT）計算框架的示意圖
該工作通過結(jié)合神經(jīng)網(wǎng)絡(luò)與自動微分技術(shù)，能夠準(zhǔn)確預(yù)測物理量的導(dǎo)數(shù)，同時僅需使用DFT數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，大大簡化了訓(xùn)練計算。應(yīng)用此方法于電聲耦合性質(zhì)的研究，包括準(zhǔn)確預(yù)測了聲子線寬、伊利埃伯格 (Eliashberg) 譜函數(shù)、電聲耦合強(qiáng)度以及BCS超導(dǎo)轉(zhuǎn)變溫度，成功證明了方法的高效率和良好的準(zhǔn)確性，可研究傳統(tǒng)DFPT難以處理的大尺度材料體系。研究將深度學(xué)習(xí)DFT和DFPT整合在一個統(tǒng)一框架中，為微擾響應(yīng)性質(zhì)的高效精確研究開辟了新的道路，同時也為第一性原理計算與深度學(xué)習(xí)的交叉領(lǐng)域探索了新的可能性。
近日，相關(guān)研究成果以“深度學(xué)習(xí)密度泛函微擾理論”（Deep-Learning Density Functional Perturbation Theory）為題發(fā)表于《物理評論快報》（Physical Review Letters），并被選為編輯推薦文章。
徐勇、段文暉為論文的通訊作者，研究組2019級博士生李賀、2023級博士生唐澤宸為共同第一作者。合作者還包括研究組2018級博士生傅靖恒、博士后董文翰、2018級博士生鄒念龍，北京大學(xué)2021級本科生貢曉荀。研究得到基礎(chǔ)科學(xué)研究中心、國家自然科學(xué)基金委、國家科技部重點研發(fā)計劃、合肥先進(jìn)計算中心等的支持。
論文鏈接：
https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.132.096401
供稿：物理系
題圖設(shè)計：劉雨田
編輯：李華山
審核：郭玲
