VASP算法：对韩国常温常压超导体进行模拟的算法是否靠谱？

材料科学的世界是一个复杂的世界，研究人员经常努力应对预测原子结构行为的挑战。这就是Vienna Ab initio Simulation Package（VASP）等计算工具发挥作用的地方。VASP是一个原子尺度材料建模程序，是一个强大的工具，允许科学家根据基本物理原理预测材料的性质，而无需依赖经验数据。

其中一位利用VASP力量的科学家是美国劳伦斯伯克利国家实验室（Lawrence Berkeley National Lab）的研究员Sinéad Griffin。Griffin的工作重点是广泛的材料挑战，从未来技术到高能物理学。最近，她使用VASP模拟了铜代磷酸铅磷灰石（copper-substituted lead phosphate apatite）的表现，这是韩国研究人员提出的表现出超导性的材料。

超导性是一种材料可以在没有电阻的情况下导电的状态，在技术上具有巨大的潜在应用。韩国研究人员提出，当铜原子取代晶体结构中的铅原子时，晶体会略微收缩，创造出一种允许超导性的独特结构。然而，这个实验结论可以进行理论模拟，这就是Griffin的专业知识和VASP的发挥作用的地方。

Griffin使用VASP模拟了这种材料的“电子结构”，这指的是电子的行为及其在材料中的运动。模拟揭示了材料中允许电子以超导性的方式移动的特定路径。这些路径被发现接近“费米表面”，这是物理学中的一个概念，描述了电子在绝对零度温度下可以拥有的最高能级。在这种情况下，它用于描述超导性可能发生的能级。

然而，模拟还表明，只有当铜原子处于晶体晶格或“高能”结合位点中不太可能的位置时，这些超导路径才会形成。这意味着很难制造这种材料，因为只有一小部分晶体将铜放在正确的位置。

这种模拟不仅提供了对韩国研究人员的发现更深入理论理解，还强调了合成此类材料的挑战。

然后问题来了：这些模拟的可靠性如何？我们能相信VASP的预测吗？答案是似乎比较乐观。VASP已成功用于各种研究。例如，一项研究使用VASP预测了八种代表性材料的特性，结果显示预测的准确性很高。在另一项研究中，使用四边形MAPbI晶体的原子图像训练了人工神经网络（ANN）模型，其各自的能量和原子力从ab initio计算中获得。通过预测立方MAPbI钙钛矿的晶格参数和能量/原子力对训练过的ANN模型进行验证，与ab initio计算非常一致。这些例子证明了VASP在预测材料特性方面的准确性。

进一步说明一下，第二个例子虽然并不能直接证明VASP的准确性，但它确实表明，用于训练ANN的ab initio计算（与VASP执行的计算类型相同）的准确性足以提供有用的训练数据。换句话说，如果ab initio计算不准确，ANN的预测可能也会失败。因此，ANN能够做出准确预测的事实提供了间接证据，证明ab initio计算（推而广之，VASP）是可靠的。

总之，像Sinéad Griffin这样的研究人员使用VASP为验证理论和促进我们对超导体等复杂材料的理解提供了强大的工具。虽然合成这些材料的挑战仍然存在，但从这些模拟中获得的见解是非常宝贵的。特别是，在这一波常温常压超导材料验证竞赛中，通过验证过的模拟方法提供比较可信的理论支持，将大大加强试验的信心。让我们拭目以待。