《自然-物理评论》（Nature Review Physics）上的一篇新文章详细介绍了在验证材料科学中使用的固态 DFT 代码方面取得的重大进展。这项综合研究扩展了之前的研究，提供了一个包含960种材料的基准数据集，有助于完善和测试其他代码。这项研究得到了NCCR MARVEL和AiiDA的支持，旨在确保未来计算研究的可重复性和效率。

NCCR MARVEL的科学家们领导了迄今为止最全面的材料模拟计算机代码验证工作，为同事们提供了评估和改进现有及未来代码的参考数据集和指南。

过去几十年来，世界各地的物理学家和材料科学家一直在忙于开发模拟材料关键特性的计算机代码，现在他们可以从一整套此类工具中进行选择，并利用它们每年发表数以万计的科学文章。

了解密度函数理论（DFT）

这些代码通常基于密度泛函理论（DFT），这是一种建模方法，使用多种近似值来降低根据量子力学定律计算每个电子行为的复杂性。使用不同代码得出的结果之间的差异，归根结底在于所采用的数值近似方法，以及这些近似方法背后的数值参数的选择，这些参数通常是为研究特定类别的材料或计算特定应用的关键属性（例如，潜在电池材料的导电性）而量身定制的。

AiiDA工作流引擎（马克杯上有其标志）的艺术再现，得益于"AiiDA通用工作流"界面，AiiDA工作流引擎可利用多个量子力学模拟代码无缝计算材料特性。平板电脑中的图片是论文中图4的简化版，图中比较了11种不同计算方法和代码的结果（特别是，图中比较了论文中考虑的所有960种材料和化学元素的状态方程参数：平衡体积、体积模量及其导数）。资料来源：Giovanni Pizzi/NCCR MARVEL

代码验证的挑战

鉴于这些代码的复杂性，要确保所有代码都不存在任何可能的编码错误，或者不存在过于粗糙的数值近似，确实非常困难。但是，验证不同代码得出的结果是否具有可比性、一致性和可重复性，对整个社会来说至关重要。

在今天（11月14 日）发表于《自然-物理评论》（Nature Review Physics）的一篇新文章中，一大批科学家对固态 DFT 代码进行了迄今为止最全面的验证工作，并为他们的同事提供了评估和改进现有及未来代码的工具和一套指南。

这项工作建立在 2016 年发表在《科学》（Science）杂志上的前一项研究的基础上，该研究比较了 40 种计算方法，用每一种方法计算了一组 71 种晶体（每种晶体对应元素周期表上的一种元素）的测试能量，得出的结论是主流代码之间的一致性非常好。

扩大化学多样性

瑞士维利根保罗舍勒研究所（PSI）材料软件和数据组组长、新论文通讯作者乔瓦尼-皮齐（Giovanni Pizzi）说："这项工作令人欣慰，但它并没有真正探索足够的化学多样性。在这项研究中，我们考虑了 96 种元素，并为每种元素模拟了十种可能的晶体结构"。

具体而言，对于元素周期表中的前 96 种元素，他们分别研究了四种不同的单质（即仅由元素本身的原子构成的晶体）和六种不同的氧化物（其中还包括氧原子）。研究结果是由两个独立的、最先进的 DFT 代码 FLEUR 和 WIEN2k 计算得出的包含 960 种材料及其特性的数据集。这两种代码都是"全电子"（AE）代码，这意味着它们明确考虑了所研究原子中的所有电子。

代码测试基准数据集

现在，任何人都可以将该数据集用作基准，以测试其他代码的精度，特别是那些基于伪势的代码，在伪势中，与全电子（AE）代码不同，不参与化学键的电子被简化处理，以使计算更轻便。

Pizzi解释说："实际上，我们已经开始改进我们论文中的九种此类代码，将它们的结果与我们数据集中的结果进行比较，测量差异，并相应地调整它们的数值参数（如伪势）。"

建议和未来方向

这项研究还为 DFT 代码的用户提出了一系列建议，以确保计算研究的可重复性，如何使用参考数据集开展未来的验证研究，以及如何将其扩展到其他代码系列和其他材料特性。

Pizzi说："我们希望我们的数据集在未来几年都能成为该领域的参考。"Pizzi是MARVEL九位研究人员之一，他与Marnik Bercx、Kristjan Eimre、Sebastiaan Huber、Matthias Krack、Nicola Marzari、Aliaksandr Yakutovich、Jusong Yu和Austin Zadoks共同撰写了这项研究。

支持计算框架

这项研究还通过AiiDA为未来的验证研究提供了一个环境，AiiDA是由国家研究能力中心（NCCR）MARVEL和欧洲卓越中心MaX开发的开放式计算框架。"Pizzi说："AiiDA让我们能够以同样的方式为11种不同的代码编写相同的指令，例如，计算特定结构的请求。然后，它可以为你运行计算，并为每个计算选择正确的数字参数。"

除了用更多的结构来扩展参考数据集之外，Pizzi 还说，他希望将来不仅能考虑到不同代码的精确度，还能考虑到它们在时间和计算能力方面的昂贵程度，从而帮助科学家找到最具成本效益的计算参数。