使用Python脚本优化Range Separated Hybrids泛函γ值

软件版本为AMS2022及之后的版本。2019及之前的版本，请参考：使用Python脚本优化Range Separated Hybrids泛函γ值

Range Separated Hybrids泛函的用途

一般泛函，包括LDA、GGA、Hybrid、meta-Hybrid泛函，都有Kohn-Sham势衰减过快的问题，离原子核较远区域，过快地衰减到接近于0，这容易导致如下问题：

空轨道能量偏高（尤其是LUMO+N，偏高非常严重）
较高的激发态计算误差大
热活化延迟荧光（TADF）计算不准确

解决办法之一：将泛函分成两段，靠近原子核附近区域，使用标准泛函，离原子核较远区域使用正确的渐进函数——这就是Range Separated Hybrid泛函。

如何优化Range Separated Hybrids泛函的γ值

每种分子，要得到非常好的计算结果，该类泛函的γ值实际上差别是较大的。厂商提供了一个Python脚本点击下载。该脚本优化γ值的原则是使得HOMO值得与离子势（Ionic Potential一致）使用方法：

下载该脚本到某个工作目录并解压该文件，注意该文件的完整路径不可包含中文或空格
确保 gamma.py 与TuningRangeSeparation.py 在同一个文件夹内，Gamma.py 一般不需要改动。
AMSjobs 进入该文件夹，Help → Command-Line，输入 sh 回车，使用记事本修改脚本后，在命令行输入 export NSCM=2 或别的数值回车，设置每个单点计算的并行线程数，然后输入 plams TuningRangeSeparation.py 回车即可

如何改脚本内容？

s.input.ams.task = 'SinglePoint'
s.input.adf.basis.type = 'DZP'
s.input.adf.basis.core = 'None'
s.input.adf.xc.gga = 'PBE'
s.input.adf.xc.xcfun = True
s.runscript.nproc = 1

此处是关于LCY-PBE的γ值优化，因此s.input.adf.xc.gga的值为PBE，可酌情修改为其他值(其他Range-Seperated hybrids泛函)，基组、冻芯等，可根据实际需要酌情修改，因为不同的基组、冻心，对应的最优γ值实际上也略有不同。

mol = Molecule()
mol.add_atom(Atom(symbol='H', coords=(0,0,-0.3540)))
mol.add_atom(Atom(symbol='H', coords=(0,0, 0.3540)))

这里是设置以某个分子为测试对象，来优化γ值，这里是H₂，用户可以根据这个格式，根据实际分子结构的xyz文件，添加、修改原子、坐标。

gammas = np.around(np.arange(1.2, 1.9, 0.2), decimals=3)

这里可以设置搜索γ值的范围，此处1.2~1.9之间，搜索步长为0.2，用户可以根据实际情况修改范围和步长，例如如果初次搜索最优质为1.2，那么显然最优γ值比这个范围小，应该酌情调整范围为例如0.3~1.2，步长例如为0.1。作为实际应用，可以先使用较大步长，然后缩小范围后，重新搜索时，可以使用较小步长，如此灵活反复搜索。

注意：不要一次进行步长短、范围宽的搜索，否则会生成过多并发作业，导致计算机死机、作业失败。例如0.3~1.2，步长为0.1，NSCM=2则该作业将并发10*2=20个线程。

结果显示

例如显示为：

== Results ==
gamma    J
0.3000   0.10550965
0.4000   0.07915428
0.5000   0.05749357
0.6000   0.03941281
0.7000   0.02416715
0.8000   0.01133898
0.9000   0.00340345
1.0000   0.01078375
1.1000   0.01907244
Optimal gamma value: 0.9000
[15.11|21:43:11] PLAMS run finished. Goodbye

表示目前的步长、范围下，最优γ值在0.9附近。

如何使用这个优化好的γ值

注意，使用该分子优化出来的γ值只能用于该类分子（本例优化的是H2）的计算。后续其他计算，要使用该泛函（本例优化的是LCY-PBE泛函）时，将最优γ值(例如0.9)填入: