这是本文档旧的修订版！
团簇的生长模拟
在这里，我们展示了一种“Biased”结构搜索方法，用于研究单原子团簇的结构演化和生长。该方法中：向一个最低能量结构（将其结构冻结）的 n 原子团簇的添加一个原子，获得最有利结合位点（具有最大结合能，即负得最多），这样得到 (n+1) 团簇全局最小结构的良好近似，或者说初始猜测，进一步优化即可该 (n+1) 团簇结构即可。
本教程使用 ReaxFF 的 Co.ff 力场以 Co$_8$ + Co → Co$_9$ 为例进行说明。
本教程分为两个部分：在第一部分中，我们通过使用 Basin Hopping 子任务获得 Co$_8$ 簇的全局最小值。在第二部分中，我们固定 Co$_8$ 全局最小值的坐标，添加 Co 原子并使用 Process Search 子任务来探索所有反应机制，以及相应的结合位点。与最高结合能相关的结构是 Co$_9$ 全局最小结构的最佳近似。观察结合位点的晶格特征，能够让我们深入了解其背后的生长机制。结合位点的逐渐增多，显示了此类簇的结构演变和生长模式。
下文中，我们将在AMS 中使用 ReaxFF 引擎调用 PES exploration功能。其他模块也一样可以调用 PES exploration功能，区别仅仅在于各个模块自带的参数差异，例如第一性原理需要指定合适的泛函、基组等。
- 启动 AMSinput
- 切换到ReaxFF模块
- Task → PES Exploration
- Periodicity → None
- Force field → Co.ff
一、全局优化CO$_8$
我们需要对 Co$_8$ 团簇的结构进行初步猜测。因此，使用 AMSinput 随意创建一个由 8 个 Co 原子组成的随机结构，不过需要避免创建成平面结构。然后使用窗口右下角的 Pre-optimize 按钮，来获得局部能量最小值。使用 Pre-optimize 按钮时，确保没有选择任何原子，否则只有选定的原子或原子才会被优化，示意图如下：
初始结构并不重要，但可能需要更多迭代才能获得相同的结果。对于本教程，我们建议从相同的局部最小值开始，以提高教程结果完全复现的可能性。因此用户，可以将下面的内容直接复制，在 AMSinput 中 Ctrl v 粘贴，这是我们优化得到的局部最优结构：
Co -0.57747929 3.09962106 -1.40010667 Co -1.94268805 1.60982864 -0.21835532 Co 0.68130178 -0.28713038 1.61855474 Co 0.41911715 1.21862699 -0.30327160 Co 1.35380790 3.40899190 -0.11445733 Co 1.88623229 1.82216225 1.57360827 Co 0.56876970 -1.15098318 -0.59251345 Co 2.52877908 0.02596128 0.06823723
1.1 设置Basin hopping
- 点击 Task 右侧的 > 按钮进入 PES Exploration 的详细设置
- Job → Basin Hopping
- Num expeditions → 10
- Num explorers → 4
其机制，就如同在一个地图上，派遣4个探险家，去寻找可能的结合点，每个探险家寻找10个点。探险家的数量、每个探险家寻找的点位数越多，对时间的消耗越大，当然能够得到更全面的结果，毕竟我们是在寻找全局最优结构。
有关不同设置的详细信息，请参阅 PES Exploration 手册。出于本教程的目的，我们将保留所有内容的默认值，除了探险次数和每次探险的探险家数量。
保存并运行作业。
1.2全局最优结构
计算完毕， SCM → Movie 即可得到不同结构的能量，双击坐标轴的 y 轴，可以将单位修改为eV：
如果运气好的话，最低能量状态应该在 -0.927817 Hatree，如果是这样，我们就成功获得了全局能量最小结构（将鼠标移到“态”上以验证能量的准确值）！
Basin Hopping 优化是一种使用随机扰动跳跃盆地的全局优化，并使用局部优化算法来优化每个能量极小点结构。因此，由于算法的随机性或数值精度的差异，结果可能会有所不同。可以考虑多运行几次，并比较结果，并采用能量最低那个结果。
下一步，我们将使用 Co$_8$ 全局最小值。
- 右键单击最低能量“态”，然后从弹出菜单中选择“Copy Geometry”选项
- SCM → New Input.
- ctrl v粘贴
二、Co$_8$ + Co → Co$_9$ 生长机制探索
首先，我们需要上一节中获得的 Co$_8$ 全局最小值的几何结构。如果您跳过了上一部分，只需将以下坐标复制粘贴到 AMSinput 中：
Co -0.03403571 1.12611646 -2.08186475 Co -1.53717952 1.78357073 -0.30583453 Co 1.68546231 -0.17156299 1.49980432 Co -0.01541891 1.59507948 1.61007493 Co 0.67964989 2.82625193 -0.46130535 Co 2.34451750 2.13563230 1.20356390 Co -0.20262505 -0.26260499 -0.06462506 Co 1.99747005 0.71459565 -0.76811757
新的 AMSinput 窗口还不知道我们想要使用 ReaxFF 引擎执行 PES 探索。我们类似前面一样，设置 Basin Hopping 的引擎设置：
- 切换到ReaxFF模块
- Task → PES Exploration
- Periodicity → None
- Force field → Co.ff
2.1 添加一个新原子，并优化之
在 AMSinput 中，在团簇表面粗略地添加一个新的 Co 原子，并选中该原子，然后使用窗口窗口右下角的 Pre-optimize 按钮，快速获得附近的局部能量最小结构，如此原先的 Co$_8$ 结构将保持不变。
同样地，这第 9 个 Co 原子初始结构并不重要，但可能导致后续步骤需要更多次迭代才能获得与教程中相同的结果。下面的结构，是我们添加 Co 原子并优化得到的结构：
Co -0.03403571 1.12611646 -2.08186475 Co -1.53717952 1.78357073 -0.30583453 Co 1.68546231 -0.17156299 1.49980432 Co -0.01541891 1.59507948 1.61007493 Co 0.67964989 2.82625193 -0.46130535 Co 2.34451749 2.13563230 1.20356390 Co -0.20262505 -0.26260499 -0.06462506 Co 1.99747005 0.71459565 -0.76811757 Co 3.01465991 2.87039628 -0.97767612
用户可以直接复制，并粘贴到AMSinput中，以进行下一步的工作。
2.2 搜索第9个Co原子最佳生长位置
首先，我们要定义两个Region（创建Region如果不熟悉，请参考：如何创建分区）：1)adsorbate，即新加入的Co原子，以及 2)cluster，即之前得到的 Co$_8$ 全局最有结构，并固定 Co$_8$ 结构：
- Model → Geometry Constraints and PES Scan command
- 选中clusterRegion中的任意一个原子
- 点击cluster (fixed position) 前面的 ‘+’ 从而固定Co$_8$
如下所示：
在接下来的步骤中，我们将使用“Process Search”功能来探索添加第 9 个 Co 原子可能涉及的所有可能过程。“Process Search” 中的 Process 是指连接鞍点（过渡态）局部最小值的路径。“Process Search” 将从我们提供的局部能量最小点开始，尝试将“adsorbate”进行随机位移，找到附近的“鞍点”。如果找到鞍点，则执行结构优化，将原子推到鞍点的另一侧，以找到与原始状态连接的新局部最小点。从所有这些局部最小点开始，继续重复这个过程多次。
一旦获得势能面的图景，我们还将要求计算相关的“结合位点”的晶格。“结合位点”的定义为：局部能量最小点时，adsorbate原子与Cluster中某个原子相邻。此外，如果满足以下两个要求，则认为两个结合位点相连接： 1）两个“结合位点”之间存过渡态（注意，同一个结合位点，有可能存在多个局部能量最小点） 2) 至少有一个原子（来自该adsorbate区域）通过上述相同的过渡态介导将其位置从第一个结合位点改变为第二个结合位点。adsorbate在此过程中，AMS 将尽可能地将所有局部最小值和过渡状态与输入的文件结构对齐，但忽略尝试建立公共参考系的区域中的原子。如果该区域的结构cluster因不同的配置而发生显着变化，则结合位点可能无法很好地定义。对于此示例，我们冻结了 Co 8簇区域，这保证了我们不会遇到该问题。
要设置流程搜索计算，请按照下列步骤操作：