该文综述了机器学习在材料科学中的前沿进展,指出其正推动该领域从传统试错模式转向预测与加速发现的新范式,重点介绍了生成模型、物理信息神经网络(PINNs)和图神经网络(GNNs)三类先进模型及其数学原理与代码实现。生成模型用于逆向设计,通过潜在空间采样生成具有目标性能的新材料,其中变分自编码器的损失函数为
$$ \mathcal{L}(\theta,\phi;\mathbf{x})=\mathbb{E}_{q_\phi(\mathbf{z}|\mathbf{x})}[\log p_\theta(\mathbf{x}|\mathbf{z})]-D_{KL}(q_\phi(\mathbf{z}|\mathbf{x})\|p(\mathbf{z})) $$
PINNs 将物理定律嵌入训练过程,总损失由数据损失与物理损失加权构成
$$ \mathcal{L}_{Total}=\mathcal{L}_{Data}+\lambda\mathcal{L}_{Physics} $$
GNNs 则将晶体结构视为图,通过消息传递更新原子表示
$$ \mathbf{h}_i^{(l+1)}=\sigma\left(\mathbf{W}^{(l)}\cdot\left(\mathbf{h}_i^{(l)}+\sum_{j\in\mathcal{N}(i)}\mathbf{h}_j^{(l)}\right)\right) $$
文中还给出了 VAE 和 GNN 的概念性 Python 示例,并讨论了这些方法在加速材料发现、预测性能、生成新结构以及降低研发成本、风险和时间方面的应用前景。
微扰理论用于处理难以精确求解的量子系统,其核心是将哈密顿量分解为可精确求解的简单部分 $\hat{H}_0$ 和很小的微扰 $\hat{H}'$,即 $\hat{H}=\hat{H}_0+\hat{H}'$,再从 $\hat{H}_0$ 的已知解出发逐级计算修正。
非简并情况下,一级能量修正为
$$E_n^{(1)}=\langle\psi_n^{(0)}|\hat{H}'|\psi_n^{(0)}\rangle=H'_{nn}$$
二级能量修正为
$$E_n^{(2)}=\sum_{k\neq n}\frac{|H'_{kn}|^2}{E_n^{(0)}-E_k^{(0)}}$$
波函数一级修正为
$$|\psi_n^{(1)}\rangle=\sum_{k\neq n}\frac{H'_{kn}}{E_n^{(0)}-E_k^{(0)}}|\psi_k^{(0)}\rangle$$
能量二级近似为
$$E_n\approx E_n^{(0)}+E_n^{(1)}+E_n^{(2)}$$
简并情况下,需在简并子空间中构建微扰矩阵
$$W_{ij}=\langle\psi_{ni}^{(0)}|\hat{H}'|\psi_{nj}^{(0)}\rangle$$
通过求解其本征值得到一级能量修正,从而确定简并能级的分裂。例题中,系统哈密顿量矩阵包含二重简并能级 $E_0$ 和非简并能级 $E_3$,非简并的 $E_3$ 二级修正为 $\frac{|a|^2+|b|^2}{E_3-E_0}$,而简并子空间中的微扰矩阵为零,一级修正未解除简并,需借助更高阶修正或精确对角化处理。
在系统只有有限个离散状态时,量子力学可用矩阵力学描述:物理量算符为矩阵,量子态为列向量,求解系统性质归结为矩阵本征值问题。本征值方程
$$ \hat{A}v=\lambda v $$
中,本征值 $\lambda$ 是测量可能得到的确定值,本征向量 $v$ 是对应的本征态。求解步骤为:构造特征方程 $\det(\hat{A}-\lambda I)=0$,解出本征值,代回 $(\hat{A}-\lambda I)v=0$ 求本征向量,并归一化 $v_{\text{norm}}=v/\sqrt{v^\dagger v}$。文中以哈密顿量 $\hat{H}=\omega_0(\hat{S}_x+\hat{S}_z)$ 为例,其矩阵形式为
$$ \hat{H}=\frac{\hbar\omega_0}{2}\begin{pmatrix}1&1\\1&-1\end{pmatrix} $$
解得能量本征值
$$ E=\pm\frac{\sqrt{2}}{2}\hbar\omega_0 $$
对应归一化本征态分别为
$$ |E_1\rangle=\frac{1}{\sqrt{4-2\sqrt{2}}}\begin{pmatrix}1\\\sqrt{2}-1\end{pmatrix},\qquad |E_2\rangle=\frac{1}{\sqrt{4+2\sqrt{2}}}\begin{pmatrix}1\\-(1+\sqrt{2})\end{pmatrix} $$
对易关系描述量子力学中算符操作顺序的差异,对易子定义为
$$ [\hat{A},\hat{B}]=\hat{A}\hat{B}-\hat{B}\hat{A} $$
若 $[\hat{A},\hat{B}]=0$,则两算符对易,对应物理量相容,可同时精确测量并拥有共同本征函数系;若 $[\hat{A},\hat{B}]\neq0$,则两算符不对易,对应物理量不相容,不能同时精确测量,测量其中一个必然干扰另一个。不对易关系定量地导向海森堡不确定性原理,通用形式为
$$ (\Delta A)^2(\Delta B)^2\ge\left(\frac{1}{2i}\langle[\hat{A},\hat{B}]\rangle\right)^2 $$
其中位置与动量满足 $[\hat{x},\hat{p}_x]=i\hbar$,故有
$$ \Delta x\cdot\Delta p_x\ge\frac{\hbar}{2} $$
角动量分量满足 $[\hat{L}_x,\hat{L}_y]=i\hbar\hat{L}_z$,对应不确定性关系
$$ (\Delta L_x)^2(\Delta L_y)^2\ge\frac{\hbar^2}{4}\langle\hat{L}_z\rangle^2 $$
文中以一维无限深势阱基态 $\psi_1(x)=\sqrt{\frac{2}{a}}\sin\left(\frac{\pi x}{a}\right)$ 为例,计算得到 $\langle x\rangle=\frac{a}{2}$、$\langle p_x\rangle=0$、$\langle x^2\rangle=a^2\left(\frac13-\frac{1}{2\pi^2}\right)$、$\langle p_x^2\rangle=\frac{\pi^2\hbar^2}{a^2}$,进而 $\Delta x=a\sqrt{\frac{1}{12}-\frac{1}{2\pi^2}}\approx0.18a$、$\Delta p_x=\frac{\pi\hbar}{a}$,乘积
$$ \Delta x\cdot\Delta p_x\approx0.568\hbar\gt\frac{\hbar}{2} $$
满足海森堡不确定性关系。
电子自旋是电子的一种内禀角动量,与轨道运动无关,没有经典对应物,需借助抽象代数和矩阵工具描述,泡利矩阵正是其数学语言。自旋遵循角动量对易关系 $[\hat{S}_x,\hat{S}_y]=i\hbar\hat{S}_z$,对电子而言自旋量子数固定为 $s=1/2$,自旋大小本征值为
$$ \hat{S}^2\Rightarrow s(s+1)\hbar^2=\frac34\hbar^2 $$
任意方向投影只能取两个离散值
$$ \hat{S}_z\Rightarrow m_s\hbar=\pm\frac{\hbar}{2} $$
自旋算符用 2×2 矩阵表示,泡利矩阵为
$$ \sigma_x=\begin{pmatrix}0&1\\1&0\end{pmatrix},\quad \sigma_y=\begin{pmatrix}0&-i\\i&0\end{pmatrix},\quad \sigma_z=\begin{pmatrix}1&0\\0&-1\end{pmatrix} $$
自旋算符与泡利矩阵的关系为
$$ \hat{\mathbf{S}}=\frac{\hbar}{2}\hat{\boldsymbol{\sigma}} $$
在 $S_z$ 基底下,自旋向上态为 $\chi_+=\begin{pmatrix}1\\0\end{pmatrix}$,对应本征值 $+\hbar/2$;自旋向下态为 $\chi_-=\begin{pmatrix}0\\1\end{pmatrix}$,对应本征值 $-\hbar/2$,任意自旋态可表示为二者的线性叠加。文中通过例题说明,对态
$$ |\chi\rangle=\frac{1}{\sqrt{5}}\begin{pmatrix}1\\2i\end{pmatrix} $$
测量 $S_z$ 得到 $+\hbar/2$ 和 $-\hbar/2$ 的概率分别为 $1/5$ 和 $4/5$,期望值 $\langle\hat{S}_x\rangle=0$、$\langle\hat{S}_y\rangle=\frac{2\hbar}{5}$,且该态不是 $\hat{S}_x$ 的本征态,因为不存在常数 $\lambda$ 满足 $\hat{S}_x|\chi\rangle=\lambda|\chi\rangle$。