泄露：本文采算科技主要先容DFT、MD、MC的基本界说、参考对象、输出遵守和适用范围和局限性。
一、DFT、MD、MC到底在描述什么对象？
永诀 DFT、MD、MC，先看它们描述的物理对象。DFT 从电子密度和原子构型启航，打算得回体系在给定结构下的能量、力和电子结构；MD 从原子位置和速率启航，沿时间演化得回原子轨迹；MC 从概率权重启航，在可能构型或事件之间抽样。三者均可用于材料打算考虑，但它们并不存在“精度从低到高”的线性关联。
DFT 给出电子结构和能量基准，允洽判断键合、能带、吸附、变成和反应能量差；MD 给出有限温度下的原子通顺，允洽看扩散、结构保捏、界面重排和热涨落；MC 给出相宜统计权重的构型漫衍，允洽贬责相均衡、粉饰度、吸附等温线和多组分无序。中枢原则是：科常识题比要领称呼更垂危。
图1. JARVIS 按长度和时间圭臬整理打算材料联想要领，涌现 DFT、MD、介不雅模子和连气儿模子各自允洽的圭臬范围。DOI：10.1038/s41524-020-00440-1
材料打算里常见的困惑，源于将“打算精度”和“打算资本”同等看待。DFT 在电子层面更细，但经常只可贬责较小体系和较短的时间圭臬；经典 MD 能贬责更永劫期圭臬和更大原子数体系，但准确性取决于势函数；MC 不跟踪信得过能源学轨迹，却能在多数可能景象中寻找热力学上具有统计代表性的漫衍。消亡个材料问题，可能需要三种要领分别承担不同脚色，而不是相互替代。
消亡个缩写在不同语境中可能有不同含义。比如 MD 不错指经典分子能源学，也不错指 AIMD；MC 不错指均衡态 Metropolis 抽样，也不错指 GCMC 或 kMC；DFT 不错行为单点能量打算，也不错给轨迹、势函数或统计模子提供输入。解读要领称呼时需要同期明确其考虑对象、系综、时间圭臬和输出量，这么才不会把不同层级的遵守混用。
二、DFT为什么更像电子结构能量尺？
DFT 的中枢对象是给定原子构型下的电子基态。它将复杂多电子相互作用纳入密度泛函类似，再打算得回能量、力、应力、磁矩、电荷密度、能带和态密度等遵守。因此，DFT 最常用于结构优化、变成能打算、吸附能打算、颓势变成能打算、功函数打算、能带结构分析和反应旅途能量差打算。
DFT 遵守经常需要明确参考态。比如变成能要泄露元素参考相，吸附能要泄露清洁名义和沉寂孤身一人分子，百家乐2026世界杯中国官方下载颓势变成能要泄露化学势和电荷态。DFT 数值的物理意旨来自“最终构型”和“参考构型”的能量差，不是某个总能量自身。生手若是只相比 OUTCAR 里的总能量，很容易污染体系大小、元素数量和参考态的互异。
图2. JARVIS 把 DFT、力场、机器学习、现实数据和器具链接起来，泄露 DFT 常提供高精度能量与性质基准。DOI：10.1038/s41524-020-00440-1
DFT 更擅长酬报“这个构型的电子结构和能量如何”，但它不可径直给出永劫期圭臬的扩散行为、信得过合成过程或大限制相分离过程。DFT 不错启动 AIMD，也不错为机器学习势或 Monte Carlo 模子提供能量标签；这时 DFT 饰演的是高精度能量标尺，而非偶而无尽膨大的轨迹打算器具。
图3. 自不竭势能面探索经由中，就地结构经筛选后参加单点 DFT 打算，再用于构建势能面模子。DOI：10.1038/s41524-019-0236-6
从势能面角度看，一次 DFT 打算像给某个构型标定一个能量高度，LOL比赛下注2026中国官网入口结构优化相称于沿局部势能面找到隔壁的极小值点。当考虑倡导落在电子结构、键合强弱、能量差和反应旅途上，DFT 经常是第一层要领。但若是倡导转向纳秒级扩散、几十万构型的均衡漫衍或孔谈吸附统计，单靠 DFT 打算资本经常过高。
三、MD为什么更像原子通顺轨迹？
MD 的中枢是按受力关联鼓舞原子位置和速率。经典 MD 使用训戒势、反应势或机器学习势；AIMD 使用电子结构打算给出的力。无论哪一种，MD 输出的第一手遵守齐是轨迹，即每个时间步上原子的位置、速率和局部结构。
MD 与 DFT 的辞别并非只是是打算速率互异。MD 心理有限温度下结构如何随时间演化，是以它允洽分析扩散通谈、界面水层、熔融、相变萌发、孔谈迁徙和局部配位重排。时间步长、系综、温控状貌、势函数质地和模拟时长，齐会改造轨迹能粉饰的构型范围。
图4. ReaxFF-MD 给出的硅胶孔谈中水分子扩散旅途，轨迹纪录了有限温度下原子随时间演化。DOI：10.1038/s41529-018-0039-0
MD 轨迹自身还需要振荡成统计量，举例 RDF 描述局部配位，MSD 描述平均位移增长，扩散统共来自永劫期斜率，能量和温度弧线用于查验体系是否达到倡导景象。单张结构快照只可反应某一技巧的构型，不可径直代表体系的合座能源学行为。
图5. MD 轨迹统计得回的硅和氢扩散统共关联，泄露 MD 输出需要通落后间平均振荡为可相比物理量。DOI：10.1038/s41529-018-0039-0
MD 也有其局限性。经典 MD 的可靠性取决于势函数能否描述倡导化学环境，AIMD 的资本又结束了体系大小和模拟时长。扩散、重构、溶剂化和有限温安然性这类问题常用 MD，但还要让时间圭臬、采样次数和势函数适用范围匹配考虑倡导。
四、MC为什么更像热力学抽样器？
MC 的中枢不是鼓舞信得落后间，而是按概率准则抽取景象。它通过就地试探出动、交换、翻转、插入或删除粒子，再用能量变化和温度等条目决定是否禁受新景象。最终得回的样本偶而代表某个统计系综，而不是还原原子每一飞秒的通顺轨迹。
在材料打算中，MC 常用于合金有序-无序、相分离、吸附粉饰度、GCMC 吸附等温线、颓势漫衍和 kMC 事件演化。MC step 不就是 fs 或 ps，庸碌 Metropolis MC 主要给均衡构型漫衍；kMC 在已知县件速率时不错链接时间圭臬。这一本性决定了 MC 允洽酬报“哪些景象更常出现”，而不是径直展示原子如何振动。
图6. 多胞 Monte Carlo 中 Au-Pt 合金构成、相分数和能量随 MC step 变化，涌现 MC 按禁受准则采样构型空间。DOI：10.1038/s41524-019-0259-z
MC 的上风在于大构型空间和热力学权重。多组分合金中，元素排布数量极大，逐一排列确切不可行；MC 不错通过禁受准则将采样要点蚁合在热力学上概率更高的区域。吸附体系中，GCMC 允许粒子数涨落，允洽描述孔材料在给定温度和化学势下的吸附量。
图7. 多胞 Monte Carlo 估计的 Au-Pt 相范围与现实相图对照，泄露 MC 更允洽描述相均衡和构成涨落。DOI：10.1038/s41524-019-0259-z
MC 也依赖能量模子。若是能量函数、簇张开、相互作用参数或事件速率不可靠，MC 只会高效得回舛误模子的打算遵守。因此，许多 MC 使命会先用 DFT 打算构型能量，再用 MC 膨大到温度、构成和大圭臬构型漫衍。这不是把 DFT 替换掉，而是将 DFT 难以径直粉饰的采样空间交由统计要领贬责。
图8. 高熵合金多胞 Monte Carlo 中不同元素在多个晶胞间再行漫衍LOL比赛下注2026中国官网入口，展示 MC 对多组分构型空间的抽样智力。DOI：10.1038/s41524-019-0259-z