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“格栅图”（手册中称为“Lattice”）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。本文演示的是一个一个 Co 原子逐渐生长，也适用于一个一个小团簇生长，即将这些小团簇类似下文的一个Co原子（adsorbate分区）处理即可。

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。

1. 启动 AMSinput
2. 切换到ReaxFF模块
3. Task → PES Exploration
4. Periodicity → None
5. Force field → Co.ff

目前AMS2023的版本，每次作业，只能添加一个原子或一个分子、团簇，SCM 已经计划开发生长过程自动化，即自动重复下述过程，从Co$_8$ → Co$_n$

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. 点击 Task 右侧的 > 按钮进入 PES Exploration 的详细设置
2. Job → Basin Hopping
3. Num expeditions → 10
4. 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。

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。

1. 右键单击​​最低能量“态”，然后从弹出菜单中选择“Copy Geometry”选项
2. SCM → New Input.
3. ctrl v粘贴

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：

1. 切换到ReaxFF模块
2. Task → PES Exploration
3. Periodicity → None
4. Force field → Co.ff

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。

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：

1. Model → Geometry Constraints and PES Scan command
2. 选中clusterRegion中的任意一个原子
3. 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“格栅图”。“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 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

在这个过程中，为了结构之间具有可比性，程序会尽量将各种构型中 cluster 中的原子一一对应起来，而对于本例，Cluster 被冻结了，此事就没有任何问题、难度了。

设置 “Process Search” 如下：

1. 点击 PES Exploration 右侧的 > 按钮进入详细设置
2. Job → Process Search.
3. Num expeditions to 100.
4. Num explorers → 4.
5. 点击 Structure Comparison 右侧的 > 按钮进入详细设置
6. 在 PES Exploration Structure Comparison 页面，设置 Neighbors cutoff 为 5.0 Å，表示如果两个原子相距 5.0 Å 以内则被认为相邻，该选项上面的 Distance difference 是指如果两个构型之间，一一对应的原子之间距离差 0.1 Å 以上，则被视为两种不同的构型。
7. 点击 Binding sites calculation 右侧的 > 按钮进入详细设置
8. 在PES Exploration Binding sites calculation 页面，选中 cluster 作为参考 region
9. 勾选 Binding Sites下面的 Calculate 选项，以计算结合位点
10. 设置 Distance difference 为 0.5 Å，则两种结合位点如果相差 0.5 Å 以上，则视为两种不同的结合位点

以上参数的设置较为通用。

保存作业并运行。约几分钟后作业运行完毕，询问是否加载计算得到的最新结构时，点击“Yes”。在 AMSinput 中，我们将看到结合位点“格栅图”叠加到簇的初始几何形状上：

请注意，添加的原子仅仅位居所有结合位点中的某一个。这些用于表示结合位点的符号信息，包括近邻原子的数量（在 5 Å 的距离内，请参阅上面的Neighbors cutoff选项）以及结合状态的平均能量（不同颜色表达不同能量）。

在我们的示例中，只有一种近邻类型，所以只有一种符号，即三角形。这些结合位点在第一个配位壳层中有三个近邻原子，在第二个配位壳层中也具有三个近邻原子，因此，标签是N33。

它们的颜色分为两组： 红色代表最稳定的吸附位点，能量为 -1.0333 Hartree 左右 蓝色代表其余的结合位点，能量为-1.0321 Hartree

这些详细信息可以在 Details → PES Exploration Binding Sites 第二列中看到：

我们可以使用 AMSmovie 将探索的能量图景可视化：

1. SCM → Movie
2. 双击能量曲线坐标轴，将 Y 轴单位改为 eV

右侧列出不同构型对应的能量，左侧为对应结构。局部最小值用黑色 level 显示，而过渡态用红色 level 显示。单击不同的 level 左侧显示对应结构。

最后：由于算法的随机性、数值精度的差异，您可能会得到不同的能量景观图。在我们的示例中，我们选择了100 个 expeditions ，以确保可以获得所有关键结构点：12 个局部最小值和 12 个过渡状态。

• 您可以通过右键单击任何“态”，然后在弹出窗口中选择 Open in module → Spectra 来查看任何状态的振动频谱。上述的计算，Co$_8$被冻结，只有不受约束的原子相关的振动模式被显示出来
• 可以通过右键单击任何状态，然后在弹出窗口中选择 Delete level 来删除这个“态”

在下图中，我们显示了随着探险次数的增加，并运行 20 遍来得到不同的结果（请注意，对本例而言，至少需要 100 个 expeditions，才能保证获得 24 种构型。