LAMMPS能量最小化有几种方法？适用于什么场合？有关LAMMPS能量最小化功能的经典文献有哪些？

1、基本方法

最速下降法（SD）；共轭梯度法（CG）；牛顿-拉森法（NR）。用的最多的就CG(conjugate gradient method)；NR就是hftn类型（Hessian-free truncated Newton）。能量最小化算法quickmin和fire是使用欧拉积分步运行带阻尼的分子动力学。

SD前期可以快速接近最优解，但随后计算效率比较低，收敛缓慢；而后两种方法则比较适合计算后期，能较快收敛。所以一般常将这些算法搭配使用。

2、适用场合

适合于低温，准静态的情况。一般有CG,SD,NR等。

由于初始建立的几何模型没有考虑到环境因素的影响（稳定，粘性，受力等），所以在实际模拟会有应力集中现象，局部容易震荡。能量最小化结构弛豫是为了让结构中原子处于给定势函数下的平衡位置，它是一个稳定化的动力学过程，是为了让模拟更与实际更为接近。

在固定边界条件下，模型盒子尺寸不会变，晶胞体积自然也不变。但随着晶体能量逐渐减小，系统压强也会随之减小，温度降低。如果用收缩边界条件，模型应该会缩小。另外，势函数很关键。一种材料如果有不同的研究小组开发出不同种势函数，那么每种效果也会不同。配合不同的作用力截断距离，在特定温度下会有不同的晶格常数，也就意味着晶胞体积也会改变。当然，还有更复杂的情况。有些材料在极低温的情况下会发生相变，晶胞形状都有可能不同。所以取决于势能场函数是不是能让材料产生特定的现象。如果建模时选择的晶格常数不是很准确，意味着各原子的初始位置偏离平衡态下的舒展位置，那么能量最小化会改变原子间相对距离，体积会发生变化

3、lammps命令

使用语法：

minimize etol ftol maxiter maxeval

• etol = 能量的停止容差（无单位）

• ftol = 力的停止容差（力的单位）

• maxiter = 能量最小化器minimizer的最大迭代次数

• maxeval = 计算力或能量的最大次数

使用举例：

minimize 1.0e-4 1.0e-6 100 1000
minimize 0.0 1.0e-8 1000 100000

具体参见‘我爱搜集网’：【LAMMPS翻译系列】minimize命令

4、经典文献

   In the z-direction, the CNT is 3.4 Å above the GNR, which is the equilibrium distance between the CNT and GNR. The bonded interaction between carbon atoms is described by the reactive-empirical bond order (REBO) potential , which has been widely used in the simulation of carbon-based materials. Prior to the simulation, the initial equilibrium models were achieved by the conjugate gradient method. Thereafter, the system was relaxed in a canonical (NVT) ensemble (i.e. constant atom, volume and temperature) with a time step of 1 fs. During the simulations, Nose–Hoover thermostat was used and the temperature was kept 300 K unless otherwise stated. Each simulation was run up to 0.5 ns. All the simulations were performed in LAMMPS  under the identical conditions unless otherwise stated.

[1] Y. Wang, H.F. Zhan, C. Yang, Y. Xiang, Y.Y. Zhang,Formation of carbon nanoscrolls from graphene nanoribbons: A molecular dynamics study. Computational Materials Science 96 (2015) 300–305.

5、Discussion

lammps结构优化，也就是minimize时如何引入温度？也就是说，怎样才能得到不同温度下能量最低的原子组态。有篇文献中提到，他们在不同温度下对体系进行了结构优化，所以想了解下有无这种可能性。

这是个伪问题。某种特殊的状态没有温度。温度是动能的平均值，某种特定的状态，谈什么平均值。特定的状态无法定义温度。就lammps的说明书来看，好像minimize过程中，无法引入温度因素。在某些温度下进行优化，说的是弛豫吧，即通过一定时间的运行让系统的结构优化（先fix npt，后run）。跑平衡不需要特别的步骤，和跑分子动力学是一样的。比如，你跑500万步分子动力学，你把前面50万步当作跑平衡，从50万步以后做统计平均。当然需要多少步跑平衡，具体体系要具体判断。当然，这也是有前提的，前提是你的初始构型不能离平衡构型太远，不然原子容易跑掉。需要补充的是，跑完之后最好用NVE再跑一下，看看系统能量涨落的厉不厉害，一般弛豫有个20~50ps就可以了。