计算材料科学（Computational Materials Science）

领域概述：计算材料科学是材料科学的一个新兴而快速发展的分支，旨在通过计算模拟和数据分析来研究材料的结构和性质，从而指导材料设计与发现。它覆盖从量子尺度到宏观尺度的多层次建模方法，包括：第一性原理计算（又称_从头计算_，主要指基于密度泛函理论 (DFT) 的量子力学计算，用于预测材料的电子结构、能带、总能量等）、分子动力学 (MD)（通过牛顿力学模拟原子/分子的演化，可研究晶体缺陷运动、相变动力学等）、蒙特卡罗 (MC) 方法（利用随机取样来研究统计平均行为，如模拟材料相变的临界现象、长程磁有序等）、相场法（在连续介质近似下用阶参数场描述相界面演变，适合模拟材料的形核长大、枝晶生长等过程）等等。这些方法各有侧重：第一性原理计算精度高、无经验参数，可以在电子层面解释材料的本征性质，例如新的电子材料或催化剂常借助 DFT 预测能带结构或表面反应能垒；分子动力学可以直接观测原子运动，例如研究位错滑移、扩散机制或聚合物链运动，但受限于时间和空间尺度；相场法则擅长处理微观组织演化，如计算复杂几何形貌的枝晶生长随时间的变化。随着计算能力的提升，这些模拟可以结合起来形成多尺度模型（如把第一性原理得到的相互作用参数用于较大尺度的相场或有限元模拟），从而在保证精度的同时扩大模拟规模。

近年来，机器学习也强势进入计算材料领域。一方面，机器学习算法可以加速材料模拟，例如利用神经网络势能面代替繁琐的量子计算，从而大幅提升分子动力学模拟规模；另一方面，机器学习擅长从数据中提取模式和规律，可用于材料性能预测和新材料发现。所谓材料基因组计划正是希望通过构建大规模材料数据库（如材料项目 Materials Project、AFLOW、OQMD 等)并配以智能算法，实现从需求出发快速筛选出候选材料的目标。现在已有一些成功案例，如利用机器学习模型在已有数据中寻找高温超导体的新候选，或预测给定成分的合金是否形成所需的结构。数据驱动的方法为材料研究提供了第三范式：继实验和理论之后，数据-计算成为探索材料世界的有力工具。

常用软件和数据库：第一性原理计算领域有 VASP、Quantum ESPRESSO、ABINIT 等著名软件；分子动力学方面有 LAMMPS、GROMACS 等；相场模拟有 Phase Field Method Library 或自己编写 Cahn-Hilliard / Allen-Cahn 方程的数值算法。商业软件如 Materials Studio、COMSOL 则提供了多物理场、多尺度的一体化模拟环境。数据库方面，美国材料基因组计划的Materials Project提供了开放访问接口，里面包含几十万种已计算材料的能带、弹性、热力学数据；AFLOW 和 OQMD 也是类似的高通量计算数据库。研究者可以很方便地查询某材料是否存在、是否稳定、性能如何，从而大大减少试错实验的成本。同时，社区也开发了如 pymatgen、ase 等Python库，方便批量检索、分析材料数据，实现计算流程的自动化。

参考学习资料

1) 课程 / 公开课

MIT OCW：3.320 Atomistic Computer Modeling of Materials（2005）
研究生层次；需具备量子/统计物理与材料基础。覆盖从第一性原理（DFT）到分子动力学、蒙特卡洛的多尺度思想与算法，实现“从原子到材料行为”的连接；配讲义与（外链）视频。
链接：https://ocw.mit.edu/courses/16-225-computational-mechanics-of-materials-fall-2003/（同领域 OCW 课程参考；3.320 专题视频可由 OCW/YouTube 索引）。

2) 教材 / 书籍

Cambridge：Introduction to Computational Materials Science—Fundamentals to Applications（R. LeSar，2013）
入门主教材；自下而上阐述电子结构到介观与微结构演化的建模思路与方法体系；配图表、练习与在线资源。
链接：https://www.cambridge.org/highereducation/books/introduction-to-computational-materials-science/327CCEC340E5C466CE08D6A6FD8520E1。

Routledge/CRC：Computational Materials Science—An Introduction（June Gunn Lee，2e，2016）
适合研初与工程人员的工具书式教材；以 DFT、经典力场、MD/MC 为主线，介绍方法原理与计算实践要点；新版补充 GGA+U 与混合泛函等。
链接：https://www.routledge.com/Computational-Materials-Science-An-Introduction-Second-Edition/Lee/p/book/9781498749732。

Elsevier：Informatics for Materials Science and Engineering—Data-driven Discovery for Accelerated Experimentation and Application（Krishna Rajan，2013）
材料信息学专著；面向数据驱动材料研发的研究生/从业者。内容涵盖数据规范与管理、数据挖掘与表征/模拟数据的融合、跨学科应用案例。
链接：https://shop.elsevier.com/books/informatics-for-materials-science-and-engineering/rajan/978-0-12-394399-6。

Cambridge：Electronic Structure Calculations for Solids and Molecules—Theory and Computational Methods（J. Kohanoff，2006）
电子结构计算的系统教材；从 HF/DFT 基本近似到数值实现与进阶方法，适合做为“电子结构计算”专题的主参。
链接：https://www.cambridge.org/core/books/electronic-structure-calculations-for-solids-and-molecules/0C0AF2B01A380912FC13816A9A0C350F。

3) 手册 / 标准 / 数据库

Materials Project（LBNL）
开放材料计算数据库；提供晶体结构、能量、能带、相图等计算属性，并支持 API 查询与工作流对接，适合高通量筛选与数据驱动研究。
链接：https://next-gen.materialsproject.org/。

顶级期刊： 包括 npj Computational Materials、Computational Materials Science 等。