Posts

在ABINIT软件中，当设置计算参数 ionmov=2 时，程序采用 Broyden-Fletcher-Goldfarb-Shanno (BFGS) 的拟牛顿法来进行晶体结构和原子位置的几何优化。BFGS方法通过近似目标函数（系统总能量）的逆海森矩阵来引导原子坐标朝着能量极小值收敛，在计算效率与优化收敛性之间取得了极佳的平衡。

在ABINIT的结构优化过程中，参数 ionmov=22 对应于有限内存Broyden-Fletcher-Goldfarb-Shanno (Limited-memory BFGS, L-BFGS) 方法。该方法是一种著名的拟牛顿法（Quasi-Newton Method），不需要显式计算并存储庞大的Hessian矩阵及其逆矩阵，而是通过保存最近几步的迭代历史信息来近似逆Hessian矩阵，特别适用于拥有大量自由度（如大体系多原子结构的弛豫和晶胞优化）的问题。

在VASP计算中，经常会遇到这样的情况：前面十几步优化都在正常进行，结构逐渐改善，但突然在某一步力值暴涨，结构开始"跑飞"或"扩散"。这种现象通常不是单一原因造成的，而是多种数值因素叠加的结果。

结构优化（structure optimization 或 structure relaxation）是第一性原理计算中最基础、也最容易"算了很久却不一定算对"的环节。它的目标是通过调整原子坐标、晶格形状或晶胞体积，使体系到达一个能量更低、受力更小的稳定构型。对于 VASP 而言，优化的自由度主要由 ISIF 控制，优化算法主要由 IBRION 控制，而是否收敛通常由 EDIFFG 等参数判断。

本文适合完全没有命令行经验的新手，也适合从 OpenClaw 迁移过来的用户。手把手带你从零开始，装好 Hermes Agent，接入 Telegram，并了解它的核心玩法。

密度泛函理论（DFT）是现代计算材料科学和量子化学的核心工具。在 DFT 计算流程中，优化算法与 Mixing 算法的效率直接决定了计算的收敛速度与精度。本文将系统梳理 DFT 计算中的三大类优化算法——混合算法（Mixing）、对角化算法（Diagonalization）和结构弛豫算法（Relaxation），深入剖析其数学原理、实现细节与适用场景。

在密度泛函理论（DFT）计算中，**自洽场（Self-Consistent Field，简称 SCF）**的收敛问题是每一个计算化学和凝聚态物理研究者都会遇到的"经典难题"。本质上，DFT 里的 SCF 收敛就是在解一个非线性不动点方程，通过"电荷/势的迭代 + 混合 + 预条件"把电子密度和哈密顿算符做到自洽。本文将深入剖析 SCF 迭代的收敛机制、不收敛的根本原因，以及针对不同体系的具体解决策略。

刚接触分子模拟时，你会听到一大堆名字：LJ、EAM、CHARMM、AMBER、OPLS、ReaxFF、MARTINI、DeepMD……每个名字都代表一种力场，也代表一种理解原子世界的方式。本文想从头到尾捋一捋：这些力场是怎么来的、它们各自擅长什么、以及什么时候该用什么。