4. 势函数选择与评估

在纳米材料力学分子动力学中，势函数决定了原子间如何“感受”彼此，也决定了模拟能回答什么问题。选错势函数，即使积分步长、系综和边界条件都设置正确，得到的弹性常数、断裂强度或热导率也可能偏离物理真实值数倍。因此，势函数选择不是建模前的例行公事，而是整个计算链条中最需要专业判断的一步。

一、从“成键图像”出发理解势函数分类

不同势函数的根本差异在于它们如何描述原子间的相互作用。Lennard-Jones（LJ）势只描述范德华式的非键合作用，形式为 12-6 势：

V(r) = 4ε[(σ/r)^12 - (σ/r)^6]

其中 ε 是势阱深度，σ 是零势能距离。LJ 势计算极快，适合描述惰性气体、石墨烯层间作用、纳米颗粒自组装等以范德华力为主的问题，但它无法描述共价键的断裂与重组，也不能正确给出金属的弹性常数。

EAM（嵌入原子法）势把体系能量写成嵌入能加对势的形式，适合金属体系。它能够较好地描述金属的弹性、层错能、表面能和空位形成能，是模拟纳米金属颗粒、金属纳米线、金属薄膜力学行为的常用选择。但 EAM 不描述方向性共价键，因此不能用于碳、硅等半导体体系。

Tersoff 势和 AIREBO 势则面向共价体系。Tersoff 势通过键级概念描述键强随局部环境的变化，适合硅、碳化硅、碳等体系；AIREBO 势在 REBO 势基础上加入长程范德华项和扭转项，特别适合碳纳米管、石墨烯、非晶碳等碳纳米材料的力学模拟。ReaxFF 则引入键级和电荷平衡，能够描述化学键的断裂与形成，适合涉及化学反应、氧化、热解、界面反应等过程。

二、机器学习势：从拟合到泛化

机器学习势（MLP）用神经网络、高斯过程或线性回归等方法拟合第一性原理数据，在保持接近 DFT 精度的同时显著降低计算成本。其核心优势是能够同时描述多种成键环境和复杂组分，适合高熵合金、界面、缺陷演化等传统势函数难以覆盖的场景。但 MLP 的可靠性高度依赖训练集覆盖度：如果模拟中出现的构型超出训练分布，外推误差可能迅速增大。因此，使用 MLP 时必须检查训练集是否包含目标温度、应变范围和缺陷类型。

三、评估势函数是否“够用”的四个判据

拿到一个势函数文件后，不能只看它“能跑”，而要从以下四个维度评估：

• 物理量复现能力：用该势函数计算目标材料的晶格常数、弹性常数、层错能、表面能等，与实验或 DFT 值对比。例如 EAM 势对 Cu 的层错能通常应在 40–50 mJ/m² 量级，若偏差超过 30%，则不适合用于位错形核模拟。
• 成键环境覆盖：检查势函数是否覆盖模拟中出现的配位环境。AIREBO 对 sp² 碳表现良好，但对 sp³ 含量较高的非晶碳，其扭转项参数可能不足。
• 温度与应变范围：势函数通常在 300 K 附近拟合，高温下热膨胀、声子软化可能偏离。若模拟温度超过 1000 K，应优先选择 ReaxFF 或 MLP。
• 计算成本与体系规模：LJ 可处理百万原子，EAM 可处理百万原子，Tersoff/AIREBO 适合十万原子，ReaxFF 适合万原子，MLP 介于 ReaxFF 与 Tersoff 之间。体系规模与势函数成本必须匹配。

四、一个可操作的势函数选择决策表

下表给出常见纳米材料力学问题与推荐势函数的对应关系，可作为建模前的快速参考。表中“推荐”指优先尝试，“备选”指在推荐势函数不可用或精度不足时考虑。

五、实操示例：用 EAM 势评估 Cu 纳米线的弹性模量

以 LAMMPS 为例，使用 EAM 势模拟 Cu 纳米线拉伸。首先在输入脚本中指定势文件：

pair_style eam/alloy
pair_coeff * * Cu01.eam.alloy Cu

建立截面为 4 nm × 4 nm、长度为 20 nm 的纳米线，沿 [100] 方向施加 0.001 应变/步的拉伸，温度控制在 300 K。运行 20000 步后，提取应力-应变曲线。若初始线性段斜率为 110–130 GPa，与 Cu 实验值（约 110–128 GPa）接近，说明该 EAM 势对弹性阶段描述合理。若斜率低于 80 GPa，则需检查势文件版本或晶格常数是否匹配。

六、机器学习势的使用边界

MLP 不是“万能替代”。它适合以下场景：传统势函数精度不足、体系包含多种成键环境、需要接近 DFT 精度但体系规模超出 DFT 能力。但它不适合：训练集未覆盖的极端应变、高温相变、长时动力学。使用 MLP 时，建议先用小体系对比 DFT 结果，确认力误差在 50 meV/Å 以内，再扩展到大规模模拟。

势函数选择没有唯一正确答案，只有“对当前问题是否足够”。判断标准是：它能否复现你关心的力学量，能否覆盖你模拟的成键环境，能否在可接受的计算成本内给出稳定结果。三者同时满足，才是可用的势函数。