科學通報 | 開源軟件ABACUS：助力大原子模型發展，推動材料科學進步

北京科學智能研究院/北京大學陳默涵課題組及其合作者在《科學通報》發表評述文章，介紹了國產開源密度泛函理論軟件ABACUS如何支持開源大原子模型（OpenLAM）的建設與發展。文章還探討了ABACUS在AI輔助的電子結構算法、贗勢軌道庫建設及跨平臺兼容性方面的創新，展現了ABACUS在“AI for Science”時代作為基礎設施推動材料模擬范式變革的重要潛力。

在材料科學的微觀世界里，原子間的相互作用和排列方式決定了材料的性質與功能。理解和預測這些性質一直以來是第一性原理模擬的重要議題。近年來，隨著人工智能技術的發展，機器學習在材料科學中的應用越來越廣泛，為更好地解決這一難題帶來了新的機遇。

ABACUS：國產開源密度泛函理論軟件的崛起

ABACUS（Atomic-OrbitalBasedAb-initioComputation atUSTC，https://abacus.ustc.edu.cn/main.htm）是一款由國內多個團隊共同開發的開源密度泛函理論（DFT）軟件，正在持續助力國產開放大原子模型的發展。ABACUS同時支持平面波和數值原子軌道基組，構建了方便用戶使用的贗勢和數值原子軌道庫，已在不同硬件平臺上成功移植，為OpenLAM項目高效生產了大量密度泛函理論計算數據，應用領域覆蓋了合金、半導體、鈣鈦礦等多種材料體系。

OpenLAM項目：構建通用大原子模型

OpenLAM項目旨在構建適用于復雜材料體系的高精度和高效率預訓練大模型，并通過進一步的下游微調和知識蒸餾來獲得高效準確的原子間勢函數模型。這一項目的關鍵在于需要第一性原理軟件計算出海量的訓練數據，而ABACUS正為大規模的數據生產提供了重要基礎設施。

ABACUS的優勢與應用

ABACUS的優勢在于其開放性、易用性和高性能。它同時支持平面波和數值原子軌道基組，適應不同類型材料體系的計算需求。此外，ABACUS還實現了與多種原子尺度機器學習算法的深度結合，顯著改善了傳統密度泛函理論在計算精度、計算體系尺寸以及計算效率方面的瓶頸問題。

在應用方面，ABACUS已經在多個領域取得了重要進展。例如，它為DPA-1和DPA-2原子間勢函數大模型提供了訓練數據，這些模型可以適用于多種元素體系，并通過預訓練結合微調的方式來適用實際的應用場景。此外，ABACUS還在半導體和合金等材料體系中得到了廣泛應用，為材料科學的研究和應用提供了有力支持。

ABACUS與異構并行

隨著深度學習的快速發展，異構計算已成為新的發展趨勢。ABACUS也緊跟這一趨勢，建立了統一的異構編程計算框架，支持在不同硬件平臺上的高效運行。通過異構并行，ABACUS大幅提升了計算效率，使得大原子模型的第一性原理訓練數據可以通過在不同硬件上進行高效計算獲得。

圖1 使用 ABACUS在CPU與DCU平臺上，對不同大小的95個體系的平均自洽場迭代（SCF）計算耗時對比。CPU上的計算使用Davidson（DAV）和共軛梯度法（CG）對角化方法。DCU的計算使用CG對角化方法。圖（a）展示了分別使用CPU平臺上CG/DAV方法和DCU平臺上CG方法計算的平均每SCF電子步的耗時；圖（b）展示了CPU上CG和DAV方法與DCU上CG方法的耗時比值。橫軸表示測試體系的價層電子數量。

未來展望

在AI for Science快速發展的今天，ABACUS作為一款開源的密度泛函理論軟件，將持續作為基礎設施發揮重要作用。它不僅為OpenLAM項目提供了重要的數據支持，還將繼續推動材料科學的發展。未來，ABACUS將繼續優化和升級，以適應不斷變化的科研需求，為材料科學的研究和應用提供更強大的工具。

文章信息

彭星亮, 周巍青, 鄭大也, 等. 開源密度泛函理論軟件ABACUS:助力大原子模型發展. 科學通報, 2025, 70(24): 4027–4043

doi: 10.1360/TB-2024-1243

https://www.sciengine.com/CSB/doi/10.1360/TB-2024-1243

轉載、投稿請留言

| 關注科學通報 | 了解科學前沿