DP还能干这个？DeepDOS模型介绍
在实验室条件下，超快激光、强冲击波、离子束等过程常用于产生极端条件物质状态[1-3]。由于能量在极短时间尺度内（飞秒、皮秒量级）沉积，物质的热力学状态发生剧烈变化，并伴随着结构转变、金属化、解离、分层等复杂动力学过程。在这个过程中，离子、电子的行为显示出强烈的时间依赖特征和空间不均匀性，跨越多个时间、空间尺度。
对于理论模拟而言，它意味着需要
长时间（10^1 - 10^4 ps，以描述相变、分层等过程）
大尺度（10^3 - 10^9 原子，以准确多相共存、多组分、温度密度空间分布不均匀的复杂系统）
在分子动力学的框架下，结合深度势能方法与大规模并行计算，我们可以在量子力学精度下内禀描述其动态过程中离子相关的质量、动量、能量输运与相变动力学，从而准确描述动力学过程的离子结构演化。但是，由于分子动力学本身缺少对于电子的显式描述，它并不包含电子的自由度。而基于电子结构计算的第一性原理方法，如密度泛函理论，因其昂贵的计算量而难以给出动力学过程中复杂系统的电子响应。
近年来，深度学习方法的发展，和深度势能方法在分子模拟领域的成功应用，为我们解决这一问题提供了有力的基础。
简讯
近日，国防科技大学戴佳钰教授课题组发展了电子态密度的深度学习模型DeepDOS[4]。基于深度势能的描述子框架下，他们实现了对电子态密度（Electronic Density of States, DOS）的学习训练，以研究动力学过程的电子结构时空演化。电子态密度，描述了电子能态分布，与电声耦合、光吸收谱、X射线近边吸收谱密切相关，是超快激光过程、实验诊断涉及的重要物理量。
DeepDOS的特点
DeepDOS模型通过深度神经网络准确描述了DOS与局域原子环境的映射关系，具有良好的泛化性、广延性，可以准确描述电子态密度的整体特征和精细结构（带隙宽度），从而有效应用于动力学过程的电子结构含时演化研究；
同时，DeepDOS模型可以准确分辨出总DOS的局域环境贡献（Atomic DOS, ADOS），从而实现空间分辨能力，以研究多组分、多相共存的不均匀系统；
此外，ADOS本身描述了局域的电子特征，它可以作为一个有效局域序参量，实现对不同相、中间结构的有效诊断和识别。与基于几何结构的序参量相比，ADOS包含了局域环境的电子特征，提供了一种更为可靠和稳健的结构诊断可能。
该成果以Towards large-scale and spatiotemporally resolved diagnosis of electronic density of states by deep learning为题，发表于Physical Review B (第一作者为曾启昱，通讯作者为戴佳钰、王涵)，该工作基于deepmd-kit 1.3.1版本的api分支进行开发[5]，后续将基于2.x版本进行更新并公开发布，提供给大家使用。
展望
DeepDOS建立了基于局域原子环境到电子态密度的一一映射，它为我们后续研究提供了一系列的基础：
使得计算大体系、复杂体系凝聚态物质的电子结构成为可能，如转角石墨烯、二维系统、界面等
使得研究相变动力学过程所伴随的电子结构演化成为可能
使得在分子动力学框架下考虑电子响应成为可能，为研究激光激发过程提供了一种有效手段
为复杂系统的局域结构诊断和中间结构识别提供了一种有效手段
参考文献
[1] B. Chen et al., arXiv: 2006.13136v3 (2020).
[2] Q. Zeng and J. Dai, Sci. China: Phys., Mech. Astron. 63, 1(2020)
[3] D. Kang, Q. eng, S. Zhang, X. Wang and J. Dai, High Power Laser and Particle Beams 32, 092006 (2020)
[4] Q. Zeng et al., Physical Review B 105, 174109 (2022).[5] https://github.com/mingzhong15/deepmd-kit/tree/api-DeepDOS
上下滑动查看更多- End -
（如需转载图文请与公众号后台联系）
-------------------------------
推荐阅读