用于蒙特卡洛模拟的Python库，支持从头算方法和机器学习得到的原子间势能

《Journal of Chemical Theory and Computation》：Python Library for Monte Carlo Simulations with Ab Initio and Machine-Learned Interatomic Potentials

基于原子模拟环境（ASE）开发了Python库ASE-MC，集成ab initio方法和机器学习势能（MLIPs）实现透明、可复现的蒙特卡洛（MC）模拟框架，支持正则系综、等温等压系综及巨正则系综计算，可自定义MC转移步骤并简化复杂工作流为单一Python脚本。

　　

在模拟领域，人们越来越需要一种软件，这种软件能够提供一个透明、可重现、可用且可扩展的蒙特卡洛（MC）模拟框架，该框架能够利用从头算方法得到的能量以及机器学习原子间势（MLIPs）。我们推出了一个名为ASE-MC的Python库，它将蒙特卡洛功能添加到了原子模拟环境（ASE）软件包中。现在，我们可以将用于构建系统、进行从头算计算和MLIP计算的强大工具与MC模拟算法结合起来，通过简洁的Python脚本来采样配置空间。在介绍设计理念之后，我们通过一些选定的示例展示了该方法的灵活性。这些示例模拟包括：使用消息传递机制的MLIP在正则和等温-等压系综中描述液态水；对联苯的特征二面角进行采样；将MLIP的结果与第一性原理计算结果进行比较；以及对氨在Pt(111)表面吸附现象进行的大正则蒙特卡洛模拟。这些示例展示了该软件的主要特点：用户可以在从头算方法和MLIP方法之间自由选择；支持带有腔体偏置插入和删除的大正则MC模拟；能够向移动集添加自定义的MC操作；并且用户可以将复杂的MC工作流程整合到单个Python脚本中。这个库为可重现的蒙特卡洛模拟提供了一个框架，便于他人轻松复制相关研究并应用于新的系统。