Open-source density functional theory software ABACUS: promoting the development of large atomic-scale machine learning pre-trained models

基于机器学习的原子间势函数模型可以兼具量子力学的精度和传统经验力场的效率, 近年来已在分子动力学等领域得到了广泛的应用. 随着机器学习势函数方法在应用领域的拓展和相关数据的持续积累, 正如语言大模型的出现一样, 构建可覆盖元素周期表上大部分元素的通用大原子模型(large atomic model, LAM)也成为可能, 并且正逐渐发展成为理解和预测材料性质的全新原子尺度模拟工具. 开放大原子模型项目(The OpenLAM project)旨在构建适用于复杂材料体系的高精度和高效率预训练大模型, 并且通过进一步的下游微调和知识蒸馏来获得高效准确的原子间势函数模型, 而其中的关键步骤是需要第一性原理软件计算出海量的训练数据. 本文介绍开源密度泛函理论软件原子算筹ABACUS对OpenLAM项目的支撑. 该软件是一款国内自主研发的第一性原理材料计算软件, 支持平面波和数值原子轨道双基组, 构建了方便用户使用的赝势和数值原子轨道库, 已在不同硬件平台上成功移植, 为OpenLAM项目提供了大量密度泛函理论计算数据, 应用领域覆盖了合金、半导体、钙钛矿等多种材料体系. 最后, 本文展望了ABACUS在AI for Science时代下的发展.