1. 项目概述为什么我们需要重新审视“静态”的缺陷世界在材料研发的第一线干了十几年我处理过无数个“理论上完美实测上拉胯”的案例。很多时候问题的根源都指向那些看不见摸不着的“点缺陷”——晶体中缺失的原子、多余的原子或者错位的原子。它们就像精密钟表里混入的几粒沙虽然数量极少却能彻底改变材料的导电性、发光效率乃至机械强度。传统上我们这些做模拟的习惯在绝对零度0 K的“理想国”里计算缺陷的形成能因为这最省计算资源一个静态的密度泛函理论DFT优化就能搞定。但现实世界是有温度的材料是在几百度甚至上千度的炉子里长出来的器件也是在室温或更高温度下工作的。这个温度带来的原子“热舞”真的可以忽略不计吗最近和团队一起啃下的一块硬骨头就是回答这个问题。我们聚焦于一种非常经典的半导体材料——碲化镉CdTe它是高效薄膜太阳能电池的核心。其中带正电的碲间隙原子Te⁺ᵢ和带双正电的碲空位V_Te²⁺是两种关键的本征缺陷。按照经典的零温静态计算Te⁺ᵢ的形成能较高理论上浓度应该很低。但一些实验迹象和更复杂的理论暗示事情可能没这么简单。这中间的差距很可能就藏在“熵”这个热力学魔鬼的细节里。熵简单说就是“混乱度”。在有限温度下缺陷的形成不仅涉及内能变化还会引入多种熵的贡献原子振动声子带来的振动熵、缺陷可能存在的不同稳定构型带来的构型熵、缺陷打破晶体对称性引入的取向熵以及电子态和自旋态变化带来的电子熵与自旋熵。把这些统统考虑进去计算真实的缺陷形成自由能其计算量是指数级增长的尤其是要精确考虑原子振动的非简谐效应即原子间势能并非完美的谐振子时传统的DFT分子动力学几乎无法承受。我们的破局之道是引入了机器学习力场。这可不是个时髦的噱头而是实实在在的“生产力工具”。我们为CdTe体材料、Te⁺ᵢ缺陷、V_Te²⁺缺陷以及元素Te参考相分别训练了高精度的MACE模型。这个力场能以前所未有的效率比DFT快数千倍和接近DFT的精度模拟数千个原子在纳秒时间尺度、数百开尔文温度下的真实运动从而为我们打开了一扇窗得以窥见缺陷在有限温度下的动态全貌——它们如何跳动、如何旋转、如何在多个亚稳态结构之间切换。本文就将详细拆解我们如何利用MLFF这把利器系统性地攻克“有限温度下点缺陷形成自由能精确计算”这一难题。你会看到从最基础的简谐近似到考虑热膨胀的准简谐近似再到基于热力学积分的完全非简谐方法这一整套方法论的对比与实践。核心结论非常明确对于像Te⁺ᵢ这样结构活跃的缺陷室温下的热力学效应足以将其预测浓度提升两个数量级。这意味着忽略温度效应我们可能从一开始就错误地判断了材料中哪种缺陷占主导。无论你是计算材料学的研究者还是关注材料性能根源的工程师理解这套方法都将帮助你建立更贴近现实的材料设计认知。2. 核心思路与方案选型从静态图像到动态电影计算缺陷浓度核心是求解其形成自由能 ( g_f )。在稀释极限下平衡浓度 ([c]) 由公式 ([c] (N_{\text{sites}}/V) \exp(-g_f / k_B T)) 给出。其中( g_f ) 是在固定晶格位置形成一个缺陷时系统吉布斯自由能的变化。传统“静态框架”的近似在于直接用0 K下的形成内能 ( u_f(0K) ) 来替代 ( g_f(T) )即假设 ( g_f(T) \approx u_f(0K) )。这个近似等价于忽略了所有与温度T和熵S相关的项因为 ( g_f u_f - T s_f )。2.1 被忽略的熵拆解五大贡献为了逼近真实的 ( g_f(T) )我们必须系统地评估所有可能的熵贡献。对于一个点缺陷其形成熵 ( s_f ) 主要来源于以下五个方面振动熵缺陷引入会扰动周围原子的振动模式。这是通常被认为最主要的熵贡献但精确计算极其耗时。构型熵缺陷可能拥有多个能量相近的亚稳态构型。在有限温度下这些构型都会被不同程度地占据贡献额外的熵。取向熵缺陷的形成可能降低或改变其所在位置的局域对称性。对称性破缺会引入新的等效取向贡献熵值。自旋熵如果缺陷的引入改变了局域磁矩或产生了未配对电子不同的自旋态会贡献熵。电子熵缺陷可能在带隙中引入能级改变电子的占据状态从而贡献熵。通常在宽带隙半导体中较小但在高温或窄带隙材料中可能变得重要。我们的目标就是将这五项一一量化并整合到 ( g_f ) 的计算中。2.2 方法阶梯从简谐到非简谐的三种精度面对高昂的计算成本我们设计并比较了三种精度递增的计算方案方案一简谐近似这是最经典也最经济的方法。它假设原子在平衡位置附近做简谐振动势能面是二次的。振动自由能 ( g_f^{\text{vib, harm}} ) 可以通过计算缺陷和完美晶体体系的声子谱例如用phonopy软件解析得到。其他四项熵构型、取向、自旋、电子则通过独立的公式或近似计算后以 ( -T s_f ) 的形式线性叠加。公式表示为 ( g_f^{\text{harm}}(T) g_f^{\text{vib,harm}}(T) - T s_f^{\text{orient}} - T s_f^{\text{struc}}(T) - T s_f^{\text{spin}} - T s_f^{\text{elec}}(T) )注意简谐近似完全忽略了温度引起的晶格膨胀热膨胀以及振动模式随温度的非线性变化非简谐效应这在高温下会引入显著误差。方案二准简谐近似这是对简谐近似的第一步改进。它通过计算不同体积下的声子谱来近似考虑热膨胀对振动频率的影响。虽然仍假设每个体积下的振动是简谐的但通过拟合能量-体积-频率关系可以得到与温度相关的平衡体积和对应的振动自由能 ( g_f^{\text{vib,quasi}}(T) )。其他熵项的叠加方式与方案一相同。 ( g_f^{\text{quasi}}(T) g_f^{\text{vib,quasi}}(T) - T s_f^{\text{orient}} - T s_f^{\text{struc}}(T) - T s_f^{\text{spin}} - T s_f^{\text{elec}}(T) )方案三热力学积分这是最严格、计算量也最大的方法。它通过分子动力学模拟直接采样系统的相空间利用热力学积分Thermodynamic Integration, TI计算体系的完全非简谐自由能。TI的核心思想是构造一个可逆路径连接一个自由能已知的参考系统如爱因斯坦晶体和我们感兴趣的真实系统通过积分此路径上系统平均能量的变化来得到自由能差。这种方法自然地、非近似地包含了振动、构型、取向熵的耦合效应因为它们都源于离子的运动。我们只需要额外加上与离子运动解耦的自旋熵和电子熵即可。 ( g_f^{\text{anh}}(T) g_f^{\text{TI}}(T) - T s_f^{\text{spin}} - T s_f^{\text{elec}}(T) )实操心得TI计算对势函数的精度和采样充分性极其敏感。自由能是广延量数值巨大而 ( g_f ) 是体相和缺陷相两个大数做差。因此两个相的自由能计算必须达到非常高的绝对精度误差通常在每原子0.1 meV量级否则差值 ( g_f ) 的误差会被放大不可接受的程度。这要求分子动力学模拟的步长、积分路径的切换时间、独立采样次数都必须经过严格的收敛性测试。2.3 为什么选择MLFF和CdTe体系选择机器学习力场作为势函数是平衡精度与效率的必然选择。一套完整的TI计算需要对包含缺陷的超胞进行长时间数百皮秒、多轨迹的分子动力学模拟。用DFT直接做即使是几十个原子的体系计算成本也是天文数字。MLFF特别是像MACE这样的高精度模型在训练好后其单点力和能量的计算速度比DFT快3-4个数量级且能保持接近DFT的精度我们的模型能量误差1 meV/atom力误差30 meV/Å这使得大规模、长时间的有限温度模拟成为可能。选择CdTe中的Te⁺ᵢ和V_Te²⁺作为范例则具有鲜明的对比意义Te⁺ᵢ碲间隙是一个“活跃”的缺陷。我们的计算表明它在0 K下就存在两个能量仅相差18 meV的亚稳态构型C2v和Cs对称性。这种能量景观预示着它在有限温度下会有丰富的动态行为构型转变、旋转、迁移因此各项熵贡献尤其是构型熵和振动熵预计会非常显著。V_Te²⁺碲空位是一个“安静”的缺陷。其亚稳态构型比基态高1.8 eV在器件工作温度下k_B T ≈ 25 meV几乎不可能被占据。因此我们预期它的熵贡献主要来自振动且幅度较小。通过这一动一静的对比我们能清晰地揭示在什么情况下有限温度效应至关重要在什么情况下静态近似依然可用。3. 机器学习力场的构建与验证精度是生命线使用MLFF进行热力学积分其结果的可靠性完全建立在力场本身的精度之上。一个在能量、力、应力上存在系统误差的模型会直接污染最终的自由能结果。因此力场的训练与验证必须极其严谨。3.1 训练策略分而治之还是联合训练一个关键决策是为体材料CdTe、缺陷Te⁺ᵢ, V_Te²⁺和参考元素相Te分别训练独立的MLFF模型还是将所有数据混合训练一个通用模型我们选择了独立模型的策略。原因在于缺陷引入会强烈地扭曲局部原子环境产生许多在完美体相中根本不会出现的原子构型如非常近的原子间距、特殊的键角。如果用一个模型去同时拟合体相和缺陷相模型可能为了“照顾”占多数的体相构型而在拟合缺陷构型时做出妥协导致对缺陷区域的描述精度下降。反之为缺陷体系单独训练一个模型可以让我们集中数据资源更精确地刻画缺陷周围复杂的势能面。重要避坑点但是绝不能只用缺陷构型来训练模型这是一个常见的误区。如果你训练的模型只见过包含缺陷的小超胞比如64原子当你把它用于计算更大超胞比如512原子的绝对能量时可能会出现系统性的偏差。这是因为模型的泛化能力可能无法准确外推到它从未见过的、更大的周期性尺度。为了计算准确的缺陷形成能涉及不同大小超胞的能量差训练集必须包含目标体系体相或缺陷相在不同尺寸超胞下的采样构型。在我们的工作中即使为缺陷单独训练模型其训练集也包含了从2x2x2超胞采样得到的、涵盖各种温度、体积的构型以确保模型对体系尺寸有一定的泛化能力。3.2 数据生成与模型训练我们利用VASP的on-the-fly机器学习力场方法生成训练数据。具体流程如下初始采样对每个体系CdTe, Te⁺ᵢ, V_Te²⁺, Te进行NPT恒温恒压系综的分子动力学模拟温度从100 K扫掠至略高于目标温度840 K。体积采样为了后续准简谐计算我们还生成了晶格常数在0.9至1.1倍平衡值之间的一系列压缩和膨胀结构。液相处理对于元素Te其熔点~722 K低于我们的目标温度。因此我们额外用packmol构建了不同尺寸的液态Te模型并将其纳入训练集确保模型能覆盖固、液两相。模型训练使用上述构型及其对应的DFT能量、力、应力作为标签训练MACE模型。我们采用了包含ZBL短程排斥势的架构以更好地描述原子近距离接触时的相互作用。损失函数中我们对能量、力、应力赋予不同的权重并在训练后期大幅提高能量的权重这是获得高精度能量预测的关键技巧。3.3 精度验证不止于测试集误差模型在预留测试集上的误差见表I是首要指标。我们的模型达到了能量误差0.7 meV/atom力误差30 meV/Å的水平这对于热力学计算是足够的。但仅有测试集误差还不够我们进行了更深入的物理量验证势能面扫描我们手动构建了Te⁺ᵢ在两个亚稳态构型C2v和Cs之间转变的一维路径并用DFT和MLFF分别计算了能量。如图1所示两者在整条路径上都吻合得非常好即使两个极小值点之间的能量差只有18 meVMLFF的误差也仅在0.1 meV/atom量级。这证明模型精准地捕捉了缺陷重构的精细能量景观。声子谱验证对于体材料CdTe我们比较了由MLFF计算出的声子谱与DFT计算的结果见补充材料。两者的声子支和态密度高度一致这表明模型能正确描述晶格的动力学稳定性及其振动特性这是计算振动熵的基础。分子动力学轨迹验证我们用训练好的MLFF运行MD并从中随机抽取上百个构型用DFT进行单点计算比较能量和力的分布。误差分布集中且无系统偏差说明模型在有限温度下的构型空间采样也是可靠的。只有通过了这三重验证我们才有信心将MLFF用于后续耗资巨大的热力学积分计算。4. 缺陷动态行为室温下的原子“芭蕾”在验证了MLFF的可靠性后我们首先用它来观察缺陷在室温300 K下的真实动态行为。这就像用高速摄像机拍下了原子的运动结果令人印象深刻。我们对包含Te⁺ᵢ的体系进行了1纳秒的NPT分子动力学模拟。分析轨迹发现Te⁺ᵢ完全不是一个静止的“点”而是在进行着三种特征时间尺度的复杂运动图2构型变化这是最快的运动时间尺度在皮秒级。Te⁺ᵢ在C2v形成一个Te-Te键和Cs形成两个Te-Te键两个亚稳态构型之间来回切换。在轨迹中这表现为最短的Tei-Te键长稳定在~2.8 Å而第二、第三短的Tei-Te键长则在较宽的范围内~2.8 Å至~3.4 Å动态变化对应着单键和双键模式的交替。键取向旋转在保持当前构型比如C2v的基础上Tei-Te键的取向会相对于晶轴发生旋转。这个过程比构型变化稍慢。间隙位迁移最慢的过程是Te⁺ᵢ作为一个整体从一个间隙位置跳跃到另一个相邻的间隙位置。我们通过追踪缺陷原子相对于其初始位置的位移来观察这一过程。利用Nudged Elastic Band方法我们计算了这些过程的能垒构型变化约28 meV旋转约100 meV迁移能垒也在此范围内。在300 K下k_B T ≈ 25 meV这些能垒都不算高因此对应的跃迁速率非常快10^8 到 10^10 s^-1。这意味着在器件工作的每分每秒Te⁺ᵢ都在快速地“变形”、“旋转”和“跳跃”。实操现场记录在分析MD轨迹时一个关键点是超胞尺寸。我们最初用了较小的超胞64原子发现缺陷的迁移会很快受到其自身周期镜像的影响运动受到限制。为了准确捕捉真实的扩散行为我们换用了更大的超胞512原子确保了在模拟时间内缺陷不会“碰到”自己的镜像从而获得了更真实的动力学图像。与此形成鲜明对比的是V_Te²⁺。在同样的模拟条件下它“安静”地待在自己的Td对称性基态位置没有发生构型转变或迁移。其动态行为基本就是周围原子的热振动。这直观地解释了为什么它的熵贡献会远小于Te⁺ᵢ。5. 熵贡献的定量拆解与自由能计算动态行为是表象其背后的热力学驱动力是熵。接下来我们定量计算了Te⁺ᵢ形成过程中各项熵的贡献并比较了三种方法得到的形成自由能 ( g_f(T) )。5.1 各项熵贡献的计算实操自旋熵与取向熵这两项相对简单可以从缺陷的对称性分析中得到。我们使用doped软件包自动计算。对于Te⁺ᵢ其有一个未配对电子自旋简并度因子Ω_spin 2对应熵贡献 ( s_f^{\text{spin}} k_B \ln(2) )。取向熵则源于缺陷弛豫前后点群对称性的变化。对于Te⁺ᵢ的C2v构型其初始位置对称性为Cs弛豫后变为C2v对称性升高因此取向简并度因子Ω_orient 0.5对应负的熵贡献 ( s_f^{\text{orient}} k_B \ln(0.5) )。注意取向熵可正可负取决于对称性是降低还是升高。电子熵我们采用固定态密度近似。首先用更精确的HSE06杂化泛函计算了0 K下完美CdTe和含缺陷超胞的电子态密度DOS。然后在给定的费米能级下对于本征情况假设费米能级在带隙中间对于带电缺陷需考虑其引入的缺陷能级通过费米-狄拉克分布函数积分计算电子熵。我们的计算表明在CdTe这样的宽带隙半导体中直到接近熔点电子熵的贡献都远小于其他项约0.1 k_B。构型熵我们采用了两种方法相互印证。解析法利用ShakeNBreak缺陷结构搜索工具找到所有低能量的亚稳态构型。对于每个构型i计算其玻尔兹曼权重 ( p_i \propto \exp(-G_i/k_B T) )其中 ( G_i ) 包含了该构型的能量、振动自由能、自旋和取向简并度。然后通过公式 ( s_f^{\text{struc}} -k_B \sum_i p_i \ln p_i ) 计算构型熵。“固有结构”法这是一种更直接来自MD模拟的方法。我们从不同温度的MD轨迹中采样大量构型对每个构型进行能量最小化淬火到其最近的局部势阱即“固有结构”。统计这些淬火后结构对应的能量分布进而计算构型熵。两种方法在840 K下给出的结果量级一致~0.7 k_B验证了可靠性。振动熵这是计算的核心和难点。简谐/准简谐使用phonopy软件。对于准简谐近似需要计算11个不同体积下的声子谱拟合出能量、体积、振动自由能的关系。完全非简谐TI使用calphy软件包驱动LAMMPS进行热力学积分。具体分为两步 a.Frenkel-Ladd路径在100 K下将系统从爱因斯坦晶体参考系统自由能已知积分到真实的非简谐晶体。 b.可逆标度路径从100 K积分到目标温度840 K计算自由能随温度的变化。 每一步都需要进行10次独立的TI计算用其平均值的标准误差来评估不确定性。为了将自由能误差控制在每原子0.25 meV以内这对于准确计算两个大数相减的 ( g_f ) 至关重要我们必须对每个体系CdTe, Te⁺ᵢ, V_Te²⁺, Te进行细致的收敛性测试调整积分路径的“切换时间”。例如对于结构复杂的Te⁺ᵢ从100 K到840 K的积分需要长达1 ns的切换时间才能保证收敛。5.2 结果对比与核心发现将各项熵贡献在840 KCdTe的典型退火温度下汇总图3a我们发现对于Te⁺ᵢ振动熵是绝对主导贡献约4.2 k_B。构型熵和自旋熵次之各约0.7 k_B。取向熵为负值约-0.7 k_B因为对称性升高。电子熵很小约0.1 k_B。最重要的发现在于自由能对比图3b。我们将三种方法计算得到的 ( g_f(T) ) 与传统的静态近似 ( u_f(0K) - T(s_f^{\text{spin}} s_f^{\text{orient}}) ) 进行对比简谐、准简谐、非简谐三种方法的结果高度一致。这说明对于Te⁺ᵢ尽管其非简谐性分数较高σ4.5远大于体材料的0.8但非简谐效应在体材料和缺陷中近似抵消了。这是一个非常鼓舞人心的结论对于许多体系计算量较小的简谐近似可能已经能为振动熵提供一个合理的估计。热效应的影响巨大。在840 K下包含所有熵贡献的 ( g_f ) 比静态近似值低了约0.5 eV。这0.5 eV的差异直接转化为缺陷平衡浓度的巨大变化。根据浓度公式 ( [c] \propto \exp(-g_f / k_B T) )在840 K下0.5 eV的 ( g_f ) 降低意味着浓度将增加 exp(0.5 eV / (k_B * 840 K)) ≈500倍两个数量级图3c。这是一个根本性的改变足以颠覆我们对CdTe中主要缺陷类型的判断。而对于“安静”的V_Te²⁺其总熵贡献很小( g_f(840K) ) 仅比 ( u_f(0K) ) 低0.08 eV对浓度的影响不足一个数量级。这清晰地划定了界限只有当缺陷具有低能亚稳态、会引起显著结构重构或对称性破缺时有限温度效应才至关重要。6. 常见问题、挑战与实战技巧在实际操作这套流程时会遇到不少坑。这里分享一些核心的排查经验和技巧。6.1 MLFF训练与验证中的陷阱问题可能原因排查与解决技巧模型在测试集上误差小但在MD中能量漂移或结构崩溃1. 训练数据未覆盖相空间关键区域如缺陷迁移路径、相变点附近。2. 模型过拟合训练集泛化能力差。3. 模拟温度/压力超出了训练数据的范围。1.主动学习在初始MD中当模型不确定性高时触发DFT计算并加入训练集。2.检查误差分布确保能量和力的误差在高低能量区域、不同原子类型间都均匀无系统偏差。3.进行“推理时验证”在运行长时MD前先短时间跑一段并定期抽取构型用DFT做单点验证监控误差是否累积。TI计算得到的自由能差值 ( g_f ) 误差巨大1. 体相和缺陷相的自由能计算未分别收敛到足够精度。2. 两个体系使用的超胞大小不一致引入了不同的有限尺寸效应。3. TI积分路径的切换时间不足未达到绝热条件。1.严格收敛测试对每个体系的每个TI路径独立测试切换时间直到自由能结果的标准误差σ_μ稳定且远小于目标精度如0.2 meV/atom。2.使用相同尺寸的超胞确保计算体相和缺陷相自由能时超胞的原子数尽可能接近缺陷体系只多一个缺陷原子。3.增加独立采样数进行至少10次独立的TI计算用平均值和标准误差来评估结果而不是依赖单次运行。6.2 熵项计算中的细节处理构型熵的“淬火”难题在使用“固有结构”法时从高温MD轨迹中采样的构型进行能量最小化可能会淬火到非物理的亚稳态特别是当势能面非常平坦时。技巧同一轨迹使用不同的初始速度重复采样和淬火检查淬火后结构的分布是否一致。同时将淬火得到的结构与ShakeNBreak搜索到的已知亚稳态结构进行比对确保它们对应得上。电子熵的费米能级困境电子熵计算强烈依赖于费米能级 ( E_F ) 的位置。在真实材料中( E_F ) 由所有缺陷和掺杂共同决定是温度的函数。精确求解它是一个自洽的复杂问题。实用策略对于定性或半定量分析可以假设 ( E_F ) 位于带隙中间或者扫描 ( E_F ) 在整个带隙内的变化观察电子熵对 ( E_F ) 的敏感度。在我们的案例中由于CdTe带隙较宽电子熵贡献小这个近似是可接受的。取向熵的定义歧义对于间隙原子如何定义其在完美晶体中的“初始位置”存在一定任意性这会影响到取向熵和格点位多重度的划分。建议明确记录你所采用的定义例如是采用弛豫前的位置还是弛豫后的位置作为参考并确保在整个研究中保持一致。doped包采用了一种明确的定义直接使用其计算结果是可靠的选择。6.3 计算资源与流程优化分阶段训练MLFF不要试图一次性用所有数据训练出完美模型。可以先在较低精度较少数据、较小模型下快速训练一个“骨架”模型用于运行初步的MD采样生成更多样的构型。然后用这些新构型丰富训练集再训练更高精度的模型。这种迭代过程效率更高。TI计算的并行策略一条TI路径上的不同λ窗口连接参考系统和目标系统的耦合参数之间的模拟是独立的。可以充分利用计算集群将不同λ窗口、不同独立重复的计算任务并行提交极大缩短总墙钟时间。善用现有软件包不要重复造轮子。doped用于缺陷设置与分析phonopy用于声子计算calphy用于TIShakeNBreak用于缺陷结构搜索。将这些工具串联起来用Python脚本构建自动化工作流是保证研究可重复、高效率的关键。7. 总结与展望有限温度缺陷模拟的新范式这项工作的核心价值不仅在于揭示了CdTe中Te⁺ᵢ缺陷浓度被严重低估的事实更在于建立了一套通用、可操作的有限温度缺陷热力学研究范式。这套范式以机器学习力场为引擎以热力学积分为严格基准以简谐近似为快速评估工具系统地整合了振动、构型、取向、自旋、电子五大熵贡献。对于材料模拟工作者我们的实践指明了以下方向先判断后计算在投入大量资源进行有限温度模拟前先用ShakeNBreak等工具快速扫描缺陷的势能面。如果缺陷只有单一的深势阱如V_Te²⁺那么静态近似或简谐近似可能就足够了。如果存在多个能量相近的亚稳态如Te⁺ᵢ那么有限温度效应必须考虑。MLFF是使能技术对于需要模拟缺陷动态行为或计算非简谐自由能的场景训练一个高质量的、经过严格验证的MLFF已不再是“可选”而是“必选”。它使得在真实时间尺度和温度下研究缺陷反应、扩散、聚集等复杂过程成为可能。方法选择有阶梯不必一味追求最昂贵的TI。我们的结果表明对于许多情况简谐近似结合构型、取向等熵的解析计算已经能给出相当可靠的结果。可以将TI作为最终验证手段或用于研究强非简谐体系如软模材料、钙钛矿等。展望未来这套方法将极大地推动对高温功能材料如热电材料、燃料电池电解质、高温催化剂中缺陷行为的理解。在这些材料中工作温度往往高达1000 K以上热效应主导着缺陷的平衡与动力学。此外将MLFF与加速采样方法如元动力学结合可以进一步研究缺陷扩散的能垒和路径如何随温度变化以及缺陷之间的相互作用和反应。这扇由“静态”通往“动态”、由“零温”通往“有限温度”的大门已经打开一个更真实、更丰富的缺陷世界正等待我们去探索。
