DFT、MD、MC到底有什么区别？描述对象、迭代逻辑、可观测量与适用场景全对比

说明：本文华算科技主要介绍密度泛函理论、分子动力学和蒙特卡洛方法在材料计算中的描述对象、迭代方式、可观测量与适用问题。

DFT、MD 和 MC 经常出现在同一项材料研究中，却分属不同的理论环节。把三者简单排成“精度由高到低”或“体系由小到大”，会掩盖它们各自处理的变量。方法差别应落实到能量从哪里来、一次迭代改动什么、输出量带不带物理时间，再讨论计算规模与成本。

DFT、MD、MC的联系是什么？

设一组原子核坐标为 R，材料模型会为该构型给出势能 U(R)。把所有可能构型及其能量放在一起，便得到势能面。稳定结构对应局部极小值，原子受力满足 F_i = −∂U/∂R_i，相变、扩散和化学反应还涉及极小值之间的鞍点与反应路径。DFT 可直接计算给定构型的电子密度、总能和原子力；MD 与 MC 则借助一个可调用的能量模型，在构型空间中产生新的状态。

图1. 随机构型经弛豫、DFT 标注和机器学习势拟合后形成可重复调用的能量模型。DOI：10.1038/s41467-025-62510-6

DFT 规定电子结构和能量的求法，MD、MC 规定状态的更新规则。经典 MD 可以调用经验势或机器学习势；从头算分子动力学在每个离子步调用 DFT；MC 的每次试探也能用 DFT 重新算能量，只是费用往往很高。“DFT + MD”与“DFT + MC”都是成立的组合，三种缩写可出现在同一计算流程中。

DFT 在 Born–Oppenheimer 近似下固定原子核位置，通过自洽迭代求电子密度 n(r)，从而获得能量与力。经验势把 U(R) 写成解析函数，机器学习势从 DFT 标注的构型中学习 R 到能量和力的映射。势函数的调用成本控制可访问的原子数和采样步数；它对未覆盖配位环境、价态或反应路径的偏差，也会沿轨迹或马尔可夫链累积。

图2. 原子构型经有限温度 DFT 生成训练数据，局域态密度再映射为能量与力等可观测量。DOI：10.1038/s41524-023-01070-z

三种方法的一次迭代分别改变什么？

DFT 的内层迭代更新电子密度或 Kohn–Sham 轨道。当电荷密度、自洽能量等指标收敛后，程序才得到当前核坐标对应的能量和力。结构优化另有外层离子步，沿力的方向寻找极小值。离子步编号只表示优化进程，没有统一的飞秒含义；一组 0 K 静态结构优化结果也不会自动包含有限温度涨落。

图3. 铍堆垛层错附近的电子密度差，以及含层错与无层错体系的能量随原子数变化。DOI：10.1038/s41524-023-01070-z

MD 的一个时间步依据 t 时刻的原子坐标和动量计算 t + Δt 时刻的状态，基本关系为 m_id²R_i/dt² = F_i。相邻状态按积分顺序连接，速度、碰撞、振动相位和相关函数依赖这段历史。恒温器或恒压器改变采样系综，积分步长若大到无法解析最高频振动，能量漂移和错误动力学便会出现。MD 的时间含义来自运动方程、质量、力和积分步长，并受势函数质量制约。

平衡态 Metropolis MC 从当前构型提出位移、交换、插入、删除或自旋翻转等试探，并按目标系综的权重决定是否接受。正则系综常见接受率含有 min[1, exp(−ΔU/k_BT)]。状态序号记录抽样次序，MC sweep 没有通用的秒数换算。试探步可以跨过真实动力学很难越过的路径，只要转移规则满足目标分布所需的平衡条件。

图4. Metropolis MC 的随机小步与混合 MC 的哈密顿轨迹试探对应两类构型更新路径。DOI：10.1038/s41524-018-0137-0

混合蒙特卡洛会用一段哈密顿轨迹生成整体试探构型，再对轨迹终点做一次接受判定。轨迹在算法中承担“提案器”的角色，辅助动量会被重新抽取；HMC 迭代号仍属于马尔可夫链坐标。HMC 内部积分步不对应实验时间，扩散时长应来自保留真实动力学的轨迹或经过验证的事件速率。

图5. 连续 MD 位移被离散为局域动作概率，并用于后续 MC 状态转移与分布重建。DOI：10.1038/s42004-026-02053-z

总能、时间轨迹与构型分布分别对应哪些材料问题？

DFT 擅长处理成键、轨道占据和电荷重排。相对能、形成能、吸附能、反应势垒、能带、态密度和电荷密度都可由电子结构计算获得。数值的解释范围受交换关联泛函、赝势、磁态、k 点、超胞和电荷状态约束。一次静态 DFT 计算给出的能量差通常接近电子基态势能差，温度引起的振动自由能、构型熵和化学势项需另行计算。

MD 保存连续轨迹，均方位移可给出扩散系数，速度自相关连接振动态密度和输运，径向分布函数描述局部配位，热流或应力的时间相关函数可用于热导率、黏度等统计量。轨迹长度必须覆盖目标过程的相关时间；几十皮秒内没有观察到跃迁，只限定该模型在该采样时长内的事件记录，更长时间的跃迁频率未被采样。

MC 直接针对系综平均。合金占位、缺陷浓度、磁性序参量、吸附量和相变温度等问题，可通过大量构型的统计权重求解。相邻样本高度相关时，名义步数会夸大有效样本量；热化区间、接受率、自相关时间和独立重复链共同确定有效样本数，总步数本身不包含这些统计量。巨正则 MC 允许粒子数随化学势波动，适合吸附平衡和开放组分体系。

图6. BaTiO₃ 的极化、介电响应与自相关时间由 HMC、MMC 和 MD 分别计算。DOI：10.1038/s41524-018-0137-0

BaTiO₃ 案例中，HMC、Metropolis MC 和恒温 MD 都重现了随温度变化的极化与介电响应；图6下排的自相关时间却采用不同计量单位，MC 用 sweep，MD 用时间步。热力学曲线相近，不会赋予 MC 链真实动力学。若任务只关心平衡相变，三类采样器可比较有效样本与计算成本；若任务关心畴壁移动速度，保留真实运动方程的 MD 才能提供相应时间序列。

图7. 不同温度与压力下，受限流体的 MD 密度分布与 AI-MDMC 重建结果进行对照。DOI：10.1038/s42004-026-02053-z

受限流体在壁面附近形成分层吸附峰。图7中，MD 参考与基于转移概率的 MC 重建在温度、压力变化下得到相近密度分布，说明二者可瞄准同一平衡统计量。该吻合核验空间密度与吸附峰；分子逐次碰撞、瞬态速度和短时记忆已在离散转移描述中压缩，动力学仍需用速度相关函数、位移时间相关或事件速率核验。

怎样按时间/温度/稀有事件选择方法

研究目标若是 0 K 附近的结构稳定次序、缺陷形成能、吸附构型、轨道杂化或反应势垒，DFT 通常承担能量与电子结构计算。目标若是熔化、碰撞、扩散、声子散射或界面热输运，并且过程能在可承受的飞秒至纳秒轨迹内发生，MD 可直接输出所需时间序列。目标若是给定温度和化学势下的构型概率、组分涨落、相平衡或吸附量，MC 直接计算相应系综平均。

动力学 MC 处理高势垒稀有事件时，为每类事件指定速率 k_j，按速率比例抽取事件，并用 Δt = −lnξ/Σ_jk_j 推进时钟。只有事件表完整、速率常数可信且状态间满足马尔可夫近似时，该时钟才可解释为物理时间。普通 Metropolis MC 的接受概率面向平衡分布，并未给出真实事件速率。

数百原子的反应界面可能需要 DFT 处理成键，数百万原子的相变可使用有效哈密顿量做 MC，几千原子的液体也可能因扩散过慢而超出 MD 时长；反应界面、相变模型与液体的原子数改变计算成本，却不指定方法类别。方法由三项直接约束：所求量属于电子基态、连续时间相关函数还是系综平均；能量模型是否覆盖待访问构型；采样长度能否跨越相关时间或自由能势垒。

图8. Cu/CeO₂ 团簇在反应条件下经巨正则 MC 采样、位点统计和微观动力学计算。DOI：10.1038/s41467-025-64187-3

Cu/CeO₂ 团簇催化案例展示了多方法分工：DFT 提供结构能量与反应能垒，机器学习势降低大规模构型评估成本，改进的巨正则 MC 在温度、压力和反应物化学势约束下抽取团簇组成与异构体，微观动力学再把各位点的势垒换算为反应速率。能量、构型权重和速率在各环节分别定义，任一环节的误差都会传递到活性分布。

要求电子重新排布和成键能时，DFT 负责能量与力；要求有序的原子运动历史时，MD 负责时间积分；要求给定系综中的构型权重时，MC 负责统计抽样。三者可以嵌套在同一项目中，前提是传递量、适用构型、统计系综和时间含义均有明确约定。