机器学习势函数在高压氢模拟中的基准测试与实战指南

1. 项目概述与背景

高压氢的研究，尤其是其液-液相变行为，一直是凝聚态物理和行星科学领域的前沿课题。理解氢在极端条件下的物态，对于揭示巨行星内部结构、探索新型超导材料乃至惯性约束聚变等应用都至关重要。然而，传统的模拟方法在这里遇到了巨大的挑战。第一性原理计算，如基于密度泛函理论的分子动力学，虽然精度高，但其计算成本与系统尺寸和时间尺度呈指数关系，通常只能模拟数百个原子、几个皮秒的动力学，这对于捕捉相变这类需要长时间统计和较大体系尺度的现象来说，往往是杯水车薪。

正是在这个背景下，机器学习势函数应运而生，成为了破局的关键。它本质上是一个“翻译官”或“加速器”，其核心任务是从有限但高精度的第一性原理数据中，学习并归纳出原子间相互作用的复杂规律，构建一个既快又准的势能面模型。这个模型一旦训练完成，就能以接近经典力场的计算速度，驱动大规模的分子动力学模拟，同时保持接近量子力学的精度。这就像是用一个经过海量棋谱训练的AI去下棋，它不再需要每一步都进行复杂的逻辑推演，而是能凭借学习到的“直觉”快速做出高质量决策。

本次基准测试，就是以高压氢的液-液相变这一经典且复杂的物理问题作为“试金石”。我们选取了六种具有代表性的势函数模型：两种传统经验势（Yukawa, Tersoff）和四种前沿的机器学习势（UFP2, UFP3, PACE, MACE）。测试的目标非常明确：在相同的温度-密度相空间网格上，让这些势函数去复现基于PBE-DFT的“标准答案”。我们关心的不是单个原子的轨迹，而是宏观可观测的热力学与动力学性质——压力、稳定的分子分数、扩散系数以及反映局部结构的径向分布函数。通过系统性的对比，我们不仅想回答“哪个模型在高压氢体系表现最好”，更想深入探讨不同机器学习势函数架构在面对强关联、多相共存的复杂势能面时，其内在的优劣势与适用边界。这对于任何计划将机器学习势函数应用于新材料探索或极端条件模拟的研究者来说，都是一份极具参考价值的实战指南。

2. 基准测试框架与核心设计思路

一个严谨的基准测试，其价值首先建立在公平、可控且贴近真实应用场景的框架之上。我们的设计核心是构建一个从第一性原理“地面实况”生成，到机器学习势函数训练与验证，再到最终分子动力学性质对比的完整闭环。

2.1 第一性原理参考数据的生成

所有机器学习模型的训练都始于高质量的数据。在本工作中，我们选择使用Quantum ESPRESSO软件进行基于平面波赝势法的DFT计算，具体采用PBE泛函和超软赝势来描述氢原子。这里有几个关键的技术选型考量：PBE泛函虽然对于氢的基态能量可能不是最精确的，但其在描述高压下氢的成键与离域行为方面经过了广泛验证，且计算效率相对较高，适合生成大规模训练数据。能量截断设为60 Ry，k点网格为4×4×4，这些参数确保了在计算精度和成本间的平衡，并与该领域的多数先行研究保持一致，保证了基准的通用性。

分子动力学模拟在LAMMPS中于NVT系综下进行，采用Bussi-Parrinello热浴控制温度。这里一个至关重要的细节是模拟体系的构建：我们使用包含128个氢原子的立方超晶胞。为什么是128个？这并非随意选择。一方面，它足以容纳多个氢分子并展现体相性质，避免有限尺寸效应；另一方面，已有文献表明，这个尺度的体系已能稳定捕捉到液-液相变的特征信号。晶胞边长a通过维格纳-塞茨半径rs换算而来，这让我们能精确控制体系的电子密度，这是高压研究的核心变量。

注意：在相变点附近，体系会在原子态和分子态之间发生非周期性振荡。为了获得可靠的统计平均值，我们对每个（T, rs）状态点进行了6次独立的MD模拟，每次1 ps（其中后0.5 ps用于统计）。这相当于一次3 ps的长时模拟，但并行运行6次短模拟的策略，不仅能利用计算资源，更重要的是通过不同的初始构型（随机原子坐标和速度）避免了体系被“困”在某个亚稳态，从而更真实地反映相变的统计特性。这个设计对于评估势函数在动态涨落剧烈区域的稳定性至关重要。

2.2 机器学习势函数的选型与训练策略

我们评估的六种势函数代表了不同的建模哲学：

1. 传统经验势 (Yukawa, Tersoff)：基于物理直觉的解析形式，参数少，速度极快，但泛化能力有限。它们作为性能基线。
2. Ultra-Fast Potential (UFP2, UFP3)：基于多项式基底函数展开的机器学习势，设计目标是极高的计算效率。我们使用UF3代码进行训练，重点关注其二体和三体相互作用项的截断半径与节点密度设置。
3. PACE (Atomic Cluster Expansion)：原子簇展开方法，将势能表达为原子邻居几何描述子的高维多项式。我们使用PACEmaker代码，配置了特定的角动量通道和径向函数。
4. MACE (Multi-Atomic Cluster Expansion)：PACE的扩展，引入了更高阶的张量信息，理论上对复杂化学环境的描述能力更强。我们使用ACEsuite代码库进行训练，并启用了等变神经网络结构。

训练过程中，所有机器学习势函数均使用由上述DFT-MD产生的相同数据集。损失函数通常为能量和力的加权均方误差。一个关键的技巧是正则化参数的设置（如代码中ridge_2b,curvature_3b等），它们用于防止过拟合，尤其是在数据相对稀疏的高能区域或相变区。不同的模型对这些超参数极为敏感，需要仔细调优。

2.3 评估指标：从单一误差到分布距离

评估一个势函数的好坏，远不止看它在测试集上的能量和力误差。我们更需要知道它能否复现出正确的“物理现象”。因此，我们选择了四个关键的MD衍生性质进行评估：

• 压力：直接反映状态方程，对势能面的长程部分敏感。
• 稳定分子分数 (µ)：这是识别液-液相变的核心序参量，定义为模拟中氢分子（H2）所占的比例。它的计算涉及对原子轨迹的实时成键分析，对势函数描述共价键形成/断裂的能力是终极考验。
• 扩散系数：反映原子的动力学行为，与势能面的梯度（即力）密切相关。
• 径向分布函数 (RDF)：描述体系的局部结构，对势函数的短程细节非常敏感。

为了量化差异，我们引入了Hellinger距离作为度量标准。与简单的平均绝对误差不同，HD衡量的是两个概率分布之间的相似性。我们将DFT-MD和MLP-MD模拟得到的某个性质（如某个温度下压力的时间序列）分别视为一个概率分布，然后计算它们之间的HD。HD值介于0到1之间，0表示两个分布完全相同，1表示完全无重叠。这个指标特别适合评估在相变点附近性质剧烈波动或呈多峰分布的情况，它能捕捉到传统误差指标可能忽略的分布形态差异。

3. 核心结果深度解析与实操洞见

分析海量的HD数据表格（如原文中的Table SI2）是项细致活。我们不能只看平均值，必须结合相图（温度-密度网格）来理解不同势函数在不同物态区域的表现。

3.1 整体性能格局：机器学习势的全面超越

首先，一个鲜明的结论是：两种传统经验势（Yukawa和Tersoff）在本基准测试中几乎完全失效。从HD表格可以看��，它们在大部分区域（尤其是高压高密度区）的压力和分子分数HD值接近或等于1，表明其预测分布与DFT结果几乎没有重叠。这在意料之中，因为简单的解析形式无法捕捉高压氢中复杂的多体相互作用和电子离域效应。

而四种机器学习势函数则展现出了显著优于经验势的性能。但它们的表现并非齐头并进，而是各有特点：

• UFP系列：计算速度最快，这是其设计目标。在高温、高密度（分子氢主导）的区域，其表现尚可。但在接近液-液相变边界的中等密度区域，其HD值显著上升，尤其是分子分数和扩散系数，说明其捕捉相变细节和动力学行为的能力有限。这很可能与其相对简单的多项式基底和有限的截断有关。
• PACE：表现稳健，在大部分相图区域，其各项性质的HD值都维持在较低水平（普遍低于0.5，很多在0.2以下）。它在描述相变边界附近的分子分数变化上，比UFP更为准确。
• MACE：综合表现最佳。其HD值在几乎所有状态点、所有性质上都最低，尤其是在最关键的相变区域，其分子分数和扩散系数的HD值远低于其他模型。这表明MACE所采用的高阶等变消息传递架构，对于学习高压氢这种具有强烈方向性和多体效应的势能面具有独特优势。

3.2 分性质诊断：不同势函数的“短板”在哪里？

1. 压力预测：所有机器学习势在高压区（低rs）的压力预测都相当好（HD值低）。但在某些中等密度点，UFP3和PACE出现了个别HD值较高的“尖峰”。这通常与训练数据在该区域的覆盖不足，或模型在相变点附近外推能力不足有关。MACE的压力预测则最为平滑和准确。

2. 分子分数预测——相变行为的试金石：这是区分模型能力的关键。Tersoff势在低密度区（原子氢为主）就完全错误。UFP2和UFP3在相变边界附近（例如rs在1.42-1.48 bohr，温度在1200-1500 K的区域）表现出很大的不确定性（HD值在0.1-0.9之间剧烈波动），说明它们无法稳定地复现两相共存的特征。PACE在此区域的表现有明显改善，但仍有波动。MACE则表现出了惊人的稳定性，其HD值在整个相变区域都维持在很低的水平（大多小于0.3），清晰地复现了DFT给出的相变边界。

3. 扩散系数与径向分布函数：扩散系数对力的误差非常敏感。UFP系列在此项上的HD值普遍较高，尤其在相变区，说明其预测的原子运动速度与DFT结果有偏差。RDF反映了局部结构，MACE的HD值最低（普遍在0.1左右），说明其预测的原子间距离分布与DFT几乎一致。而其他势函数，尤其是传统势，其RDF的HD值较高，意味着局部结构已经失真。

实操心得：看待这些数据时，一定要结合具体的（T, rs）坐标。一个在高温高密度区表现完美的势函数，可能在相变区一败涂地。因此，在选择势函数时，必须明确你的研究目标所处的物态区域。如果你的研究只关心固态氢或完全离域的等离子体氢，那么一个更轻量级的模型（如UFP）可能就足够了。但如果你要研究相变本身，那么投资于像MACE这样更强大、更耗资源的模型是必要的。

4. 机器学习势函数训练与应用的实战指南

基于上述基准结果，我们可以提炼出一套针对复杂体系（如高压氢）构建和应用机器学习势函数的实战经验。

4.1 数据准备：质量重于数量

1. 主动学习与相空间采样：对于存在相变的体系，均匀随机采样训练数据是低效的。应采用主动学习策略：先用一个初步的势函数跑一些MD，探测到不确定性高（如力方差大）或新奇的区域（如新结构），再对这些区域进行第一性原理计算，补充进训练集。这能确保训练数据覆盖所有相关的相空间区域，特别是相边界。
2. 包含丰富的扰动：训练数据不应只是平衡态的构型。应在不同温度下进行DFT-MD采样，包含原子的热振动、分子的转动、以及键的断裂与形成过程。对于氢，尤其要包含从分子晶体到原子液体的各种中间构型。
3. 能量与力的权重：在训练损失函数中，力的权重通常比能量更高（如我们设置energy/force weighting为0.25，意味着更看重力）。因为力直接决定了MD模拟的动力学轨迹，一个力的误差小的模型，才能产生正确的扩散系数和输运性质。

4.2 模型选择与超参数调优

1. 从简单模型开始：不要一上来就用最复杂的模型。可以先用UFP或一个小规模的PACE模型进行快速尝试，评估其大致表现和瓶颈所在。这有助于理解问题的难度。
2. 关注截断半径与描述子：截断半径决定了模型的“视野”。对于氢，3.5 Å左右的二体截断通常是足够的，因为它能覆盖到次近邻相互作用。三体截断可以更短（如2 Å），以专注于键角信息。描述子的复杂度（如PACE中的lmax和nradmax）需要与训练数据量匹配，数据不足时使用过高阶的描述子极易导致过拟合。
3. 正则化是关键：如代码所示，L2正则化（ridge）和曲率正则化（curvature）对于防止过拟合、提高模型在训练数据区域之外的泛化能力至关重要。这通常需要通过交叉验证在一个独立的验证集上进行网格搜索来确定。

4.3 模拟与验证流程

1. 严格的交叉验证：永远保留一部分从未参与训练的状态点（包括温度、密度）作为测试集。测试集上的表现才是模型泛化能力的真实反映。
2. 性质计算与误差分析：不要只满足于能量/力误差小。一定要像本基准测试一样，运行完整的MD，计算关键的热力学和结构性质，并与第一性原理或实验（如果有）进行定量比较。Hellinger距离是一个非常好的量化工具。
3. 检查守恒量与稳定性：在NVE（微正则）系综下运行一段时间的MD，检查总能量和动量的漂移情况。一个好的势函数应该能长时间稳定运行而不崩溃，且能量漂移应在可接受范围内。

5. 常见问题排查与性能优化技巧

在实际操作中，你可能会遇到以下典型问题，这里提供一些排查思路：

问题1：模型在训练集上误差极低，但在测试MD中完全失真，甚至模拟崩溃。

• 可能原因1：严重过拟合。模型只记住了训练数据的具体细节，而没有学到普适的物理规律。
  • 排查与解决：检查验证集误差是否同步下降。如果没有，立即增强正则化（增大ridge系数），或减少模型复杂度（如降低多项式阶数、减少描述子维度）。确保训练数据涵盖了足够的构型空间。
• 可能原因2：训练数据未覆盖测试状态点。例如，训练数据全是低压分子氢，却用来模拟高压原子氢。
  • 排查与解决：绘制训练数据和测试数据在相图上的分布。如果存在空白区域，必须通过主动学习补充该区域的数据。
• 可能原因3：数值不稳定。特别是在使用高次多项式或大截断时，在边界处可能出现力或能量的突变。
  • 排查与解决：检查势函数在截断处的平滑性。确保使用了合适的截断函数（如cos函数）。可视化测试几个极端构型（原子非常���或非常远）下的模型输出，看是否有异常值。

问题2：模拟在相变点附近，体系在两个相之间异常频繁地来回跳跃，或“卡”在某个亚稳态。

• 可能原因1：势能面在相变区存在虚假的局部极小值。这是机器学习势函数的一个常见陷阱。
  • 排查与解决：计算相变点附近多个初始构型的自由能（例如通过热积分或增强采样方法），检查势函数预测的自由能面是否与DFT一致。在训练数据中，显式地加入两相共存的构型。
• 可能原因2：统计不充分。相变本身涨落大，短时间的模拟可能无法得到稳定的统计平均值。
  • 排查与解决：像我们基准测试中做的那样，进行多次独立模拟，从不同的初始条件开始，然后取平均。延长单次模拟的时间（如果计算资源允许）。

问题3：模型预测的扩散系数与参考值偏差很大，但能量和力误差看起来还行。

• 可能原因：力误差的分布问题。虽然整体力误差小，但在某些关键的过渡态或高力区域，误差可能被平均掉了。扩散系数对力的瞬时值非常敏感。
  • 排查与解决：分析力误差的分布直方图，而不是只看均方根误差。检查误差大的构型主要出现在哪些区域（如键将断未断时）。在这些区域增加训练数据的密度。也可以在训练损失中，为这些高力区域的数据点赋予更高的权重。

问题4：训练过程缓慢，或模型推断速度无法满足大规模MD需求。

• 可能原因：模型过于复杂，或实现未优化。
  • 排查与解决：
    • 模型层面：评估是否真的需要MACE这样的大模型。对于某些问题，PACE甚至优化好的UFP可能就能达到要求。尝试减小截断半径或降低描述子复杂度。
    • 代码层面：确保使用了模型支持的硬件加速（如GPU）。对于LAMMPS插件，检查是否启用了合适的加速包（如-sf gpu或-pk选项）。对于PACE/MACE，利用其内置的邻居列表优化和并行计算功能。
    • 数据层面：使用更高效的数据加载器，并确保训练数据以模型读取的最优格式存储。

机器学习势函数的发展日新月异，本次基准测试中的MACE模型已经展示了巨大的潜力。未来，结合更先进的主动学习策略、考虑核量子效应的路径积分训练数据、以及面向超大规模并行计算的设计，机器学习势函数必将在极端条件物质科学中扮演越来越核心的角色。对于计算材料学家而言，掌握这项技术不仅意味着能以前所未有的尺度和精度探索未知物态，更代表了一种全新的研究范式——让机器从数据中直接发现物理规律，而我们则专注于提出更深刻的问题和设计更巧妙的实验。从这个角度看，本次对高压氢的基准测试，正是迈向这个未来坚实的一步。