清華新聞網(wǎng)6月17日電 近日，清華大學物理系徐勇、段文暉研究組利用其原創(chuàng)的深度學習密度泛函理論哈密頓量（DeepH）方法，發(fā)展出DeepH通用材料模型，并展示了一種構(gòu)建“材料大模型”的可行方案，這一突破性進展為創(chuàng)新材料發(fā)現(xiàn)提供了新機遇。
密度泛函理論（DFT）是計算物理與材料科學的主流方法，在材料計算設(shè)計中發(fā)揮了重要作用。DFT哈密頓量是DFT計算的基本物理量，所有其他DFT物理量（包括總能量、電荷密度、能帶結(jié)構(gòu)、響應(yīng)性質(zhì)等）均能由其直接導(dǎo)出。在前期研究中，徐勇、段文暉領(lǐng)導(dǎo)的研究團隊開發(fā)了一種名為DeepH的深度學習第一性原理計算方法。該方法能夠從DFT數(shù)據(jù)中學習，并預(yù)測給定材料結(jié)構(gòu)的哈密頓量，從而高效地計算基態(tài)物理性質(zhì)。在DeepH系列研究工作中，研究團隊將DeepH框架與等變神經(jīng)網(wǎng)絡(luò)結(jié)合并推出DeepH-E3框架，并被應(yīng)用于復(fù)雜磁性材料的電子結(jié)構(gòu)預(yù)測，以及密度泛函微擾論計算中。該工作致力于用DeepH方法構(gòu)建覆蓋元素周期表及大量材料的通用材料模型。相比于專用材料模型，構(gòu)建通用材料模型對DeepH方法的魯棒性與泛化能力提出了更大的挑戰(zhàn)。
圖1.基于深度學習密度泛函理論哈密頓量（DeepH）方法構(gòu)建通用材料模型
研究團隊首先創(chuàng)建了一個大型DFT材料數(shù)據(jù)庫，包含超過10000種材料結(jié)構(gòu)的計算數(shù)據(jù)。基于此材料數(shù)據(jù)庫與改進的DeepH方法（DeepH-2），研究人員成功構(gòu)建出一個DeepH通用材料模型，可處理多樣化元素組成與原子結(jié)構(gòu)的復(fù)雜材料體系，并在材料性質(zhì)預(yù)測方面達到了出色的精度。該通用材料模型可準確預(yù)測復(fù)雜測試材料的多種物性，驗證了模型出色的通用性能。該工作不僅展示了DeepH通用材料模型的概念，還為構(gòu)建材料大模型奠定了基礎(chǔ)，為推動創(chuàng)新材料發(fā)現(xiàn)提供了新機遇。
圖2.DeepH通用模型在元素周期表上的性能測試
圖3.DeepH通用模型在代表性結(jié)構(gòu)上的預(yù)測效果
6月12日，相關(guān)研究成果以“深度學習密度泛函理論哈密頓量的通用材料模型”（Universal materials model of deep-learning density functional theory Hamiltonian）為題，在線發(fā)表于《科學通報》（Science Bulletin）上。
徐勇和段文暉為該論文的通訊作者，研究組2021級本科生王昱翔、博士后李洋、2021級博士生唐澤宸為共同第一作者。合作者還包括清華大學物理系助理教授王沖、北京航空航天大學材料科學與工程學院副教授司晨，研究組博士生李賀、袁子龍、陶泓耕、鄒念龍、包挺、梁興昊、邊策，本科生陳澤洲、許上華和科研助理許祗銘。研究得到基礎(chǔ)科學研究中心、國家自然科學基金委、國家科技部重點研發(fā)計劃、國家超級計算天津中心等的支持。
論文鏈接：
https://doi.org/10.1016/j.scib.2024.06.011
供稿：物理系
編輯：李華山
審核：郭玲
