【引言】

一個多世紀以來，從出發材料材料材料科學家已經能夠計算化合物相應的理論結構、電子態以及力學性質所呈現出來的重新實驗數據。而這些數據，認識儼然已經成為發展、和設選擇和乃至設計材料的計新基石。過去的從出發材料材料幾十年中，基于量子力學計算的理論數據已經大大增強了實驗數據的獲得。大部分數據是重新通過密度泛函理論（DFT）獲得的，這項理論可以計算材料的認識電子結構從而提供材料原子尺度的性質。盡管理論上，和設數據庫能夠包含材料的計新所有信息，但窮盡它，從出發材料材料仍然存在許多挑戰。理論計算數據庫不僅能夠提供材料系統的重新信息，還能夠提供一些當前實驗室并沒有被合成出來的材料的信息，因此，數據庫能夠為新材料的而發現提供一些背景和方向信息。

其中，DFT數據庫的一項流行的應用便是熱力學穩定性分析，因此，對于一組給定的化學元素，在低溫下穩定的組成和結構分析能夠被確定下來。數據庫規模在穩定增長，既是因為新的系統包含了新的晶體結構和組成，也是因為理論計算方面，更多的是希望能夠確定有用的材料的信息，例如，電池或者太陽能方面的新材料。

圖1:NOMAD報道的2014年12月到2016年9月通過DFT方法計算的數量分布圖

【觀點闡述】

近日，丹麥科技大學的Kristian S. Thygesen和Karsten W. Jacobsen合作撰寫了一篇關于當前材料科學領域利用理論計算的現狀的評述，系統分析了當前基于計算材料數據庫領域在材料應用和設計上未來發展的機遇和挑戰。

他們的觀點主要包括以下五個方面：

1. 數據表示法（DATA REPRESENTATION）

他們認為，理論數據，相對于實驗數據而言，具有易分辨和易重復的優勢。DFT計算就是側重于原子數量和所有原子位置，外加一些其他因素就可以描述一個復雜系統。

2. 數據質量（DATA QUALITY）

計算材料科學，應用一系列代碼來解決DFT本征方程，但是需要應用不同的數值方法。在簡單的情況下，計算元素晶體狀態方程，可以建立不同的代碼之間的協議。當前，對更復雜的材料性質的計算仍然是一大挑戰，并且精度需要估計。但不幸的是，不同代碼之間輸出不同，以至于困難更大。這個問題正在被歐洲聯盟卓越中心的新材料發現實驗室解決。

3. 復雜體系（COMPLEX SYSTEMS）

計算數據庫主要僅包含簡單晶體結構中的固體顆粒入門級信息，主要是因為計算時間隨著單位晶胞中原子數的增加呈現指數型增長。然而，很多材料的性質受到缺陷位的影響，例如，空穴、本征缺陷或者雜質缺陷亦或是存在界面。所以，在很多應用中，數據庫中對于簡單材料的描述不會那么直接地進行陳述。

圖2：單胞經過周期性重復形成簡單固體物質的示例，以及其中的缺陷模型

4、DFT之外（BEYOND DFT）

許多材料性質或者現象都超出了DFT計算能夠描述的范疇。例如，對標準DFT方法的各種修正可以被用于研究光子吸收材料并應用于太陽能電池和光催化領域，但如今最好關于電子能帶結構或選擇性譜等性質的最好的計算方法是基于多體微擾理論。大致被稱作GW或者Bethe-Salpeter方法。然而，這些新的方法應用起來，比DFT方法來說成本要高很多，這就使得數據的質量和連貫性顯得尤為重要。

5. 機器自我學習（MACHINE LEARNING）

計算材料數據庫可能在某些方面還值得商榷。然而，隨著計算數據庫的增長，關于調查材料空間的新的可能自然就出現了。從機器自我學習中建立或調整用于發現和分析計算材料的工具是件十分有必要的事情，并且，也有可能應用這些工具來學習一些新的材料相關性或結構-性能關系。這種類型的簡單關系也是材料科學和化學的一個重要組成部分。

原文鏈接：Making the most of materials computations （Science,?2016,??DOI:10.1126/science.aah4776）

本文由材料人編輯部計算材料組Carbon供稿，材料牛編輯整理。

歡迎試用材料人代理的天河2號超級計算機；參與計算材料話題討論，請加入材料人計算材料群（562663183）；參與計算材料文獻解讀和文獻匯總及計算材料知識科普等，請加入材料人編輯部計算材料組（報名請戳我）或者聯系：靈寸（418703364）。