4. 势函数选择与工程评估
在热导率分子动力学计算中，势函数是唯一同时决定“原子怎么动”和“热量怎么传”的物理输入。它定义了原子间势能随距离、配位环境与键角的变化关系，进而决定声子色散、群速度、三声子散射强度以及非谐性大小。换句话说，热导率并不是被直接“算”出来的，而是从势函数所描述的动力学轨迹中通过Green-Kubo或NEMD方法提取出来的。因此，势函数选错，后续的尺寸收敛、时间步长、统计平均做得再精细，也只能得到一个自洽但物理上错误的结果。
四类主流势函数的物理覆盖范围
Lennard-Jones（LJ）势是最简单的对势模型，只包含两体排斥与色散吸引，形式为 V(r)=4ε[(σ/r)^12-(σ/r)^6]。它没有方向性、没有多体效应，适合描述惰性气体和以范德华作用为主的体系。对固态氩，LJ势配合参数 ε=0.0104 eV、σ=3.40 Å 可以给出接近实验的热导率量级；但对金属或共价晶体，LJ势无法重现正确的声子色散，热导率误差往往超过一个数量级。
EAM（嵌入原子法）势把总能量写成嵌入能加对势的形式，能够描述金属中电子密度对原子嵌入的贡献。它天然适合FCC、BCC金属，如Cu、Al、Ni、Fe。EAM势能较好重现金属的弹性常数、空位形成能和声子谱，因此对金属热导率的预测通常能达到10%～20%的精度。但EAM不描述共价键的方向性，对Si、Ge、C等半导体体系不适用。
Tersoff和Stillinger-Weber（SW）势是共价体系的两大主力。Tersoff势通过键级函数描述配位依赖的键强，适合Si、Ge、C及SiC等体系；SW势则显式加入三体项，强调键角刚性，最初为硅设计。两者都能给出合理的声子色散，但非谐性描述不同：Tersoff势在高温下往往低估声子寿命，导致热导率偏高；SW势的键角项较强，有时会高估光学声子频率。以Si为例，实验热导率约150 W/(m·K)，Tersoff势常给出120～200 W/(m·K)，SW势则可能落在80～130 W/(m·K)区间，具体取决于参数版本和温度。
机器学习势（MLP）近年来成为热导率计算的重要工具。它用神经网络、高斯近似势或矩量张量势拟合第一性原理数据，能够在保持DFT精度的同时把计算成本降低几个数量级。对复杂体系如非晶SiO₂、钙钛矿、界面结构，MLP可以同时捕捉多体、方向性和长程静电作用。但MLP的精度高度依赖训练集覆盖度：若训练集未包含高温大振幅构型，外推时热导率可能严重失真。
选型策略：从体系出发，而非从势函数出发
工程上最稳妥的选型顺序是“先定体系，再定势函数，最后做精度校验”。具体可按以下判断路径执行：
- 判断体系键合类型。若为惰性气体或纯范德华体系，直接选LJ势，参数取文献中拟合的ε、σ即可；若为金属，优先选EAM或MEAM；若为共价半导体，选Tersoff或SW；若为氧化物、非晶或界面，优先考虑MLP。
- 检查势函数是否覆盖目标温度区间。许多Tersoff参数是在300 K附近拟合的，外推到800 K以上时热导率会明显偏离。此时应改用高温下仍稳定的MLP，或对势函数做非谐性修正。
- 用已知实验值做单点校验。在正式计算前，先用小体系（如2×2×2超胞）跑一段NVT，提取声子态密度或均方位移，与实验或DFT结果对比。若声子谱明显偏移，热导率不可能准确。
- 评估计算成本与精度折中。LJ和EAM成本最低，适合大规模筛选；Tersoff/SW中等；MLP成本最高，但精度也最高。若体系超过10万原子，MLP需配合主动学习或降阶模型。
工程评估中的常见陷阱
第一个陷阱是“参数版本混用”。同一体系往往有多个Tersoff参数集，分别针对不同性质拟合。例如Si的Tersoff参数有1988版、1994版和2005版，它们给出的热导率可相差30%以上。选型时必须确认参数集的原始拟合目标是否包含声子或热输运性质。
第二个陷阱是“忽略长程作用”。LJ和EAM通常截断在2.5σ或5～6 Å，对热导率影响不大；但离子晶体和极性材料中，长程库仑作用对光学声子分支影响显著，单纯用短程势会低估热导率。此时应使用核壳模型或MLP加长程静电修正。
第三个陷阱是“MLP外推失效”。MLP在训练集内插时精度极高，但若模拟温度、压力或缺陷浓度超出训练范围，预测会迅速恶化。工程上应检查MLP的不确定度估计，若不确定度超过阈值，应回退到物理势或补充训练数据。
最后需要强调，势函数选择不是一次性的，而应贯穿整个计算流程。在Green-Kubo计算中，热流自相关函数的衰减行为直接反映势函数的非谐性；在NEMD中，温度梯度的线性度则反映势函数在非平衡态下的稳定性。建议在正式生产计算前，用同一势函数分别跑Green-Kubo和NEMD，若两者热导率差异超过15%，说明势函数在该温度下存在非谐性描述不足，需要重新评估选型。