文献分享：npj Comput. Mater.期刊速览，解读计算新突破
npj Computational Materials 是一份来自自然研究的开放获取期刊，致力于发表高质量的论文，报告计算技术在材料科学的发展和应用方面的重大进展。
npj Computational Materials是自然合作期刊系列的一部分，由施普林格Nature与中国科学院上海硅酸盐研究所合作出版。
npj Computational Materials出版高质量的研究论文，应用计算方法设计新材料，并加强我们对现有材料的理解。
新的计算技术-和当前方法的改进-促进这些目标的研究，也很受欢迎，正如补充计算结果的实验论文一样。
具有代表性的期刊范围包括：
应用和发展现有的和新兴的理论和模拟方法，来研究全体材料(有机和无机)。
新材料的结构和性能预测，如“材料设计”范式。
对材料的基本原理、行为和性能的新认识。
整合/互补的实验工作，用于验证、支持和扩展计算结果。
高通量技术-包括计算和实验-产生大数据集合，和材料数据挖掘。
文章|简短通讯|评论|编辑|热点争论|观点|综述
在此，我们将分两期，对2020年《npj Computational Materials》期刊，引用量排名前十的文章，进行详细阐述(由于篇幅原因，这期仅放排名前五的文章，下期将对剩下的五篇文章进行推送)。
1.深度学习+材料设计：基于降维的深度学习方法设计电磁纳米结构
在此，来自美国佐治亚理工学院的Ali Adibi等人，展示了一种基于深度学习(DL)技术的计算效率高的新方法，用于电磁(EM)纳米结构的分析、设计和优化。研究者利用一般电磁问题特征之间的强相关性，来大大降低了问题的维数，从而减少计算复杂度，而不会造成相当大的误差。通过采用最近演示的自动编码器技术的降维概念，研究者将电磁纳米结构中的传统多对一设计问题，重新定义为一对一问题加上一个更简单的多对一问题，该问题可以用解析公式简单地解决。与传统方法相比，这种方法在解决正问题(即分析问题)和反问题(即设计问题)时，减少了数量级的计算复杂性。此外，它提供了解析公式，尽管它们很复杂，但可以用最小的计算要求，来直观地理解电磁波与纳米结构相互作用的物理和动力学。作为一个概念验证，研究者应用这种有效的方法设计了，一种基于相变材料的新型的、按需可重构的光学超表面。所制备器件的实验结果，与预测结果吻合较好。研究者设想，将这种基于DL的技术与全波商业软件包集成，将提供一个强大的工具包，以促进分析、设计和优化EM纳米结构，以及解释、理解和预测，这种结构中观察到的响应。因此，它将能够解决现有技术，无法解决的复杂设计问题。
参考文献：Kiarashinejad, Y., Abdollahramezani, S. & Adibi, A. Deep learning approach based on dimensionality reduction for designing electromagnetic nanostructures. npj Comput Mater 6, 12 (2020). https://doi.org/10.1038/s41524-020-0276-y
原文链接：
https://www.nature.com/articles/s41524-020-0276-y#citeas
2.生物+高熵合金：13种生物相容的高熵合金的基本电子结构和多原子键合
高熵合金，以其独特的性能和广阔的应用前景，引起了人们的广泛关注。在这种独特的复杂多组分合金中，原子间相互作用的本质，还没有完全开发或了解。在此，来自美国密苏里大学堪萨斯分校的Wai-Yim Ching等人，报告了一种理论建模技术，能够深入分析它们的电子结构和原子间键合，并基于量子力学指标、总键序密度(TBOD)和部分键序密度(PBOD)预测HEA性质。在13个生物相容性多组分HEAs上的应用，产生了许多新的有见地的结果，包括价电子计数的不充分使用，大晶格畸变的量化，用实验数据验证力学性能，建模孔隙度以降低杨氏模量等。这项工作，为生物医学应用的HEAs的合理设计，绘制了路线图。
参考文献：Ching, WY., San, S., Brechtl, J. et al. Fundamental electronic structure and multiatomic bonding in 13 biocompatible high-entropy alloys. npj Comput Mater 6, 45 (2020). https://doi.org/10.1038/s41524-020-0321-x
原文链接：
https://www.nature.com/articles/s41524-020-0321-x#citeas
3.多尺度计算+二维材料：二维材料的多尺度计算理解与发展综述
2004年石墨烯的成功发现和分离，以及随后石墨烯以外的层状半导体和异质结构的合成，导致了二维(2D)材料的爆炸性增长，以此探索它们的生长、新的原子尺度物理和潜在的设备应用。此文中，来自美国路易斯安那理工大学的Kasra Momeni等人对此发表综述，旨在从多个长度和时间尺度概述理论、计算和机器学习方法和工具，并讨论如何利用它们，来辅助/指导石墨烯以外的二维材料的设计和合成。研究者在不同的长度和时间尺度上，重点研究了以下三种方法：(i)纳米尺度原子模拟，包括密度泛函理论(DFT)计算和利用经验和反应性原子间势的分子动力学模拟；(ii)相场法等中尺度方法；以及(iii)热输运方程与化学输运方程耦合的宏观尺度连续统方法。此外，研究者讨论了如何将机器学习与计算和实验相结合，以理解二维材料的结构和性能之间的相关性，并指导新的二维材料的发现。研究者还展望了计算方法，在二维材料合成和生长中的应用。
参考文献：Momeni, K., Ji, Y., Wang, Y. et al. Multiscale computational understanding and growth of 2D materials: a review. npj Comput Mater 6, 22 (2020). https://doi.org/10.1038/s41524-020-0280-2
原文链接：
https://www.nature.com/articles/s41524-020-0280-2#citeas
4.机器学习+密度泛函：通过机器学习从分子中隐藏信息来完成密度泛函理论
Kohn-Sham密度泛函理论(DFT)，是现代电子结构计算方法的基础。它们的准确性，严重依赖于交换相关能量泛函，它封装了超越经典模型的电子-电子相互作用。由于其普遍形式尚未被发现，用启发式方法构造的近似泛函，常用于实际研究。然而，它们在准确性和可移植性方面存在问题，而任何系统性的改进方法，都还不清楚。在此，来自日本东京大学的Ryo Nagai等人，证明了通过机器学习，利用参考分子的精确密度分布和能量可以系统地构建泛函。令人惊讶的是，仅从几个分子中学习的一个试用功能机器，已经可以应用于数百个由元素周期表不同的第一行和第二行元素组成的分子，其精度与标准泛函相同。这是通过使用一个灵活的前馈神经网络，将密度和能量关联起来来实现的，该网络允许通过反向传播算法获得一个泛函导数。此外，通过引入非局部密度描述符，将非局部效应包括进来，以提高精度，这迄今为止尚未实现的。因此，该方法将有助于，利用快速发展的机器学习技术，丰富DFT框架。
参考文献：Nagai, R., Akashi, R. & Sugino, O. Completing density functional theory by machine learning hidden messages from molecules. npj Comput Mater 6, 43 (2020). https://doi.org/10.1038/s41524-020-0310-0
原文链接：
https://www.nature.com/articles/s41524-020-0310-0#citeas
5.量子比特+从头算理论：六方氮化硼中带负电荷硼空位量子比特的从头算理论
利用第一性原理方法，识别了六方氮化硼中顺磁和旋光硼空位，在二维中与声子耦合的高度相关轨道。在此，来自匈牙利魏格纳物理研究中心的Ryo Nagai等人，用密度矩阵重正化群和Kohn-Sham密度泛函理论方法，对该中心相关电子结构进行了从头算分析。通过确定亮态和暗态的性质以及能级的位置，研究者对该缺陷的磁-光性质以及相应的辐射和非辐射路径进行了完整的描述，这些路径是导致该缺陷自旋极化和自旋相关发光的原因。该发现为推进二维固体中，室温量子比特的识别和表征，铺平了道路。
参考文献：Ivády, V., Barcza, G., Thiering, G. et al. Ab initio theory of the negatively charged boron vacancy qubit in hexagonal boron nitride. npj Comput Mater 6, 41 (2020). https://doi.org/10.1038/s41524-020-0305-x
原文链接：
https://www.nature.com/articles/s41524-020-0305-x#citeas
唯理计算小福利：
针对模拟计算我们有专门的沟通群，想进群的小伙伴加微信
17812574221
备注：模拟计算进群
群里可以和老师一起探讨问题，老师也会帮助解答问题的哦~
推荐阅读：
END