百万级原子模拟，从头算精度，北京科学智能研究院提出AI+大尺度电子结构模拟新方法
内容提要
北京科学智能研究院提出了DeePTB方法，基于深度学习实现高效模拟材料的电子结构，可用于大规模电子结构计算和量子力学模拟。该方法具有精度与效率的统一、尺寸可扩展性、处理应变效应等特点。
延伸解读
DeePTB 如何突破传统紧束缚方法的精度与效率矛盾
传统紧束缚方法中，基于 Wannier 函数的方案虽精度高，但构造过程依赖 DFT 自洽迭代，限制了大尺寸体系的应用。DeePTB 通过神经网络修正经验紧束缚模型，在保持第一性原理精度的同时，实现了与经验模型相当的计算效率。其采用 eigenvalues 作为训练标签，并基于 Slater-Koster 框架支持用户自定义拟合公式，从而在精度与效率之间取得统一。
百万原子模拟的实现路径与验证
DeePTB 采用正交基组紧束缚形式，无需处理交叠矩阵，可接入紧束缚传播方法等大规模算法，实现百万级原子的电子性质计算。研究以 GaP 的 50×50×50 超胞为例，结合 DeePMD 分子动力学采样和 TBPM 方法，计算了有限温度下的态密度、光电导率等性质，结果与文献符合良好，验证了其器件级尺度模拟能力。
DeePTB 的泛化能力与适用边界
DeePTB 在 IV 族和 III-V 族半导体测试中，决定系数接近 0.9999，本征值偏差仅十几至几十 meV。模型可推广到更大超胞、处理应变效应，并兼容不同 DFT 基组、泛函和自旋轨道耦合。但需注意，训练所用 GGA 泛函倾向于低估半导体带隙，导致计算结果与文献峰值位置存在轻微差异，实际应用中需考虑这一局限。
从训练到迁移：DeePTB 的潜在应用方向
DeePTB 允许在计算效率高的泛函上训练模型，再迁移到更昂贵的泛函，以兼顾精度与成本。对于应变工程，可在小样本上训练后迁移至大体系，加速模拟。结合分子动力学，DeePTB 能模拟有限温度下原子和电子行为，并考虑缺陷、杂质等实际因素。此外，模拟磁系统特性也是其探索方向之一，展现出广泛的应用潜力。
Q&A
DeePTB方法的主要特点是什么？
DeePTB方法实现了精度与效率的统一，支持用户自定义经验TB拟合公式，并能处理应变效应和兼容不同DFT基组。
DeePTB方法如何简化电子结构计算的复杂度？
DeePTB方法通过使用更小和更稀疏的矩阵来描述电子哈密顿量，从而简化计算复杂度，支持百万级大尺寸结构的模拟。
DeePTB方法在材料科学中的应用潜力如何？
DeePTB方法可用于模拟温度和结构相关的电子特性，具有广泛的应用潜力，尤其在电子器件和材料设计中。
DeePTB方法如何与分子动力学结合？
DeePTB方法与分子动力学结合，可以有效模拟有限温度下的原子和电子行为，促进材料的动态特性研究。
DeePTB方法在处理应变效应方面表现如何？
DeePTB方法能够准确预测应变调控下的能带结构及带隙大小，表现出强大的灵活性和通用性。
DeePTB方法的计算结果与文献相比如何？
DeePTB方法的计算结果与文献结果一致，表明其在百万原子尺寸建模中的高精度和可靠性。
