计算化学

在使用 ABINIT 进行单原子参考能计算时，O 和 S 两种开壳层原子出现了 SCF 自洽迭代不收敛的问题。本文记录从问题发现到最终解决的完整排查过程，涵盖输入文件设置、根因分析和修正方案。

在使用 Python 绘制 DFT 吸附能曲线的过程中，发现某些元素的曲线图在特定 $z$ 坐标附近出现不符合物理预期的异常振荡。排查后定位到问题根源：CubicSpline 三次样条插值在面对尖峰数据时会产生严重的过冲（overshoot）。本文将记录这一问题的分析过程和修复方案。

在密度泛函理论（DFT）计算化学研究中，绘制 adatom（吸附原子）沿表面法线方向的吸附能曲线是分析表面催化性质的重要手段。本文介绍一个完整的 Python 脚本，利用 Matplotlib 将六种元素（N、H、C、Si、O、S）在四种吸附位点（Top、Bridge、fcc、hcp）上的 $\Delta E_{\mathrm{ads}}$ 曲线以 $3 \times 2$ 网格布局呈现，每个面板同时包含主图和局部放大图。

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。

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。

在计算材料科学和第一性原理研究中，几何优化的收敛过程常常耗时较长且中途可能出现不稳定的振荡。本文为大家提供了一款自动化的 Python 监控脚本，用于批量读取和可视化 Abinit 软件在优化过程中记录的轨迹数据，帮助研究人员快速掌控计算进度与系统状态。