NEB计算入门：构型链、力投影与路径优化原理，及能量曲线、初始路径和有限温度效应

说明：本文华算科技主要介绍 NEB 的构型链、力投影与路径优化原理，以及能量曲线、初始路径和有限温度效应的解释。

NEB的构型链和最小能量路径是什么？

晶体中的原子迁移、表面分子的解离、铁电材料的极化翻转，都涉及原子位置连续改变。给定变化前后的结构后，NEB（Nudged Elastic Band，微动弹性带法）通过联合优化一串构型，搜索连接两端的一条最小能量路径。计算对象包括沿途原子的移动方式，以及每个构型的能量。

每个构型称为一幅“图像”或一个副本，其中包含整个模型的原子坐标 R_i。对含 N 个可动原子的固定晶胞模型，R_i有 3N 个坐标分量；整串图像分别占据构型空间中的不同位置。论文示意中的 λ 标记畸变进程，交换 λ＝−1 与 λ＝＋1 会反转路径的描述方向。

初态和终态通常分别优化到局部极小值，并在常规 NEB 中保持固定；中间图像则由插值或其他结构猜测生成。相邻图像间的虚拟弹簧控制构型间距，使离散点覆盖两端之间的区域。弹簧连接的是不同副本，没有在真实材料中增加化学键，路径图上的材料能量也不包含这项人工弹簧能。

LiNbO₃的两种反向极化结构中，Li 相对氧八面体的位置不同。用它们作端点，路径需要描述 Li 的位移和周围原子的弛豫；同步位移和依次位移可以连接相同端点。体相均匀翻转模型所包含的原子数和周期重复方式，限定了本次计算可容纳的运动。

在 DFT–NEB 中，电子结构计算为各幅图像返回能量 E(R_i) 和原子力 F_i＝−∇E(R_i)，NEB 再据此调整构型。NEB 是路径搜索方法，DFT 是能量与力的计算方法；同一搜索算法也能连接经验势或机器学习势。若有 M 幅活动图像，一轮更新通常需要计算 M 组能量和力，图像之间可并行求解。

NEB为什么要投影原子力，并设置爬山图像？

若把每幅中间图像各自做普通结构优化，它们往往分别收敛到邻近极小值，峰顶附近会缺少采样点。若直接叠加完整弹簧力，弯曲处又可能因弹簧作用偏离低能路径。NEB 在每个图像处估计局部单位切向量 τ̂_i，把真实力与弹簧力投影到不同方向。

用于更新图像的力写为 F_i^NEB＝F_i^⊥＋F_i,s^∥，其中垂直分量 F_i^⊥＝F_i−(F_i·τ̂_i)τ̂_i改变路径形状；切向弹簧力调整相邻图像间距。“nudged”对应这种投影处理，避免两种力相互干扰各自的优化作用。

力分解示意原图采用的是似然函数面，图中的自然力写为似然梯度；应用到原子势能面时，使用负能量梯度。在等弹簧常数的常见实现中，切向弹簧力的大小与前后两段构型距离之差成正比，间距趋于均匀时该分量趋近零。最小能量路径则要求真实力的垂直分量为零，沿路径仍可存在能量坡度。

局部切线通常依据相邻图像的位置和能量估计。图像相距过远时，急转弯、窄峰和短寿命中间体附近的路径形状可能采样不足。增加图像是在增加构型空间中的采样点，并没有延长模拟时间；最大残余 NEB 力、峰顶构型和加密后的能垒变化分别检验优化程度与离散误差。

普通 NEB 的最高能量图像可能停在鞍点旁边。爬山图像 NEB（CI-NEB）对选中的最高图像去掉弹簧力，并将真实力的切向分量反向，即 F_CI＝F−2(F·τ̂)τ̂。它沿切线朝升能方向移动，沿垂直方向降能；其余图像继续描述路径。通常待路径形成合理形状后再启用该处理。

In₂O₃表面反应的比较中，不同训练轮次的机器学习势给出不同峰高，充分训练后的曲线接近 DFT 参照。图中的 iteration 指主动学习轮次；即使每条 NEB 都已满足各自的力阈值，势函数的近似误差仍可能造成能垒差异。

DFT 中电子自洽尚未充分收敛时，力的噪声会影响图像更新；改变泛函、自旋处理或 U 值则可能改变整条势能面。对找到的鞍点，反应方向上的单个虚频及两侧连接构型可核查它是否属于目标基元步骤。除已收敛的端点和鞍点外，沿线各幅图像仍可能有非零真实力，它们描述的构型未必形成独立能量极小值。

NEB能量曲线怎样对应原子运动和反应能垒？

NEB 图的横坐标可以是图像编号、累计构型距离，或归一化反应坐标。累计距离统计整组可动原子的位移，只有特别定义时才等于某根键长。图像编号没有时间单位，离散点之间的平滑连线也没有增加新的电子结构计算；原子运动方式需要逐幅构型核对。

在 LiNbO₃原胞模型中，同步翻转路径保持较高的路径对称，NEB 优化后仍可得到较高峰。对初始构型链施加能改变路径对称的扰动，允许两个 Li 在部分路径中依次移动，便能搜索到另一条较低能路径。相同端点与相同能量方法可以得到不同路径，增加迭代次数未必改变已有运动顺序。

同步与依次翻转的能量以相同端点为零，并按每化学式单位归一化；不同晶胞的总能垒须核对这一单位。NEB 通常收敛到初始路径附近的局部解，一次搜索没有穷尽所有连接方式。端点间的原子编号、周期像选择和插值方法会影响初始猜测，含短距离原子重叠的线性插值还会引入很大的排斥力。

对由一个鞍点连接的初态 A 和终态 B，正向势能垒为 ΔE_A→B^‡＝E_TS−E_A，反向为 E_TS−E_B；二者之差是 E_B−E_A。若路径含多个极小值，每一步的局部能垒应从其出发态计算。对称翻转模型两端等能，但一般的吸附、解离或扩散步骤可以具有不等能端点。

常规静态 DFT–NEB 优化的是指定电子态和约束条件下的势能路径。In₂O₃表面生成甲醛的示例将零温路径与 300 K、500 K 的自由能曲线比较，后者通过机器学习势辅助的伞形采样和积分得到，使用 C—O 距离作为集体变量。它们包含沿该变量采样的热涨落信息。

该反应中，吸附物与不同氧配位数的 In 原子结合，会改变路径上的构型和峰高；有限温度曲线也与零温势能曲线分离。NEB 构型可作为后续采样的起点。振动、构象和溶剂重排的熵贡献需要热化学校正或统计采样计算，常规静态 NEB 本身没有给出它们。

对离子迁移，固定超胞中的单次跳跃能垒对应所选缺陷浓度和局部环境；若讨论长程扩散，还需各类跳跃的连接方式、频率与可用空位数量。对电化学表面反应，覆盖度、界面水和电极电位可改变初态及峰顶构型，固定电荷模型得到的路径仅适用于该电子数和所设界面环境。