熔点作为材料最基本的热力学性质之一，在相图构建、新材料设计以及理论模型验证中具有核心地位。然而，传统的熔点计算方法长期面临两难困境：基于自由能的方法虽然精度较高，但计算成本巨大且对参考模型与积分路径高度敏感，难以胜任高通量筛选任务；而基于分子动力学的直接模拟方法虽然计算资源需求相对较低，却因固-液识别困难、模型构建繁琐、温度调控依赖人工经验等问题，始终难以实现真正的自动化。针对这一瓶颈，我们开发了MyTm——一个完全自动化的分子动力学熔点计算工具包，并在《Computer Physics Communications》上发表了其研究成果。该工作不仅在方法学上实现了系统性模块化重构，更通过引入机器学习技术显著提升了固-液原子识别的准确性，为高通量熔点计算提供了切实可行的解决方案。

一、方法创新：四模块解耦与统一计算框架

MyTm的核心创新在于将复杂的熔点计算流程解耦为四个相互独立又可灵活组合的功能模块：固-液原子分类、温度调整策略、模型构建以及分子动力学系综选择。研究团队通过对现有直接MD熔点计算方法的系统分析，揭示了各种方法（如直接加热法、孔洞法、改进孔洞法、固-液共存法、三明治法、Z方法及改进Z方法等）本质上均可由这四个模块的不同组合来实现。例如，直接加热法采用完美晶体模型、NPT系综与连续升温策略；而固-液共存法则采用固-液共存模型、NPT/NPH系综与二分法温度调整。这种模块化设计使得MyTm能够以统一的编程框架覆盖几乎所有主流直接MD熔点计算方法，用户仅需通过输入文件中的命令组合即可切换方法，极大提升了程序的灵活性与可扩展性。

图1 四模块解耦与统一计算框架

在模型构建方面，MyTm内置了自动化的超胞扩展、缺陷构造与固-液共存结构生成功能。用户可通过supercell命令指定沿三个晶格矢量方向的扩展倍数，通过build defect与build liquid命令定义缺陷或液相区域的几何形状（平行六面体、椭球或圆柱体）、尺寸、位置与旋转角度。这种参数化的模型构建方式使得复杂缺陷结构（如层状缺陷、球形缺陷、壳层状缺陷）的生成变得标准化与可重复，从根本上消除了传统方法中繁琐的手工建模操作。

温度调整策略上，MyTm实现了两种基本计算框架：连续升温至熔化（用于直接加热法与孔洞法）与二分法逼近固-液平衡温度（用于共存法、Z方法等）。二分法通过自动识别固相与液相的温度区间，并迭代评估中点温度，能够以指数收敛效率逼近熔点。程序还引入了breakType参数，允许用户选择基于温度区间收敛或基于固相分数稳定性收敛的终止准则，兼顾了计算精度与效率。

二、技术突破：机器学习驱动的固-液原子识别

固-液原子识别是自动化熔点计算中最具挑战性的环节。传统方法如Steinhardt序参量（SOP）和局部原子环境重叠（LAEO）方法在简单体系（如fcc、bcc、hcp金属）中表现尚可，但在复杂配位环境（如MgSiO₃中氧原子对旋转对称性的破坏）或多元体系（如NaCl、NiAl）中容易出现严重的误分类。MyTm创新性地引入多层感知机（MLP）神经网络，以三阶神经等变势描述符表征局部原子环境，通过三个隐藏层（15×15×15）学习原子环境与固相概率之间的映射关系。MLP采用Leaky ReLU激活函数与Adam优化算法，最终输出通过加权融合SOP与LAEO分类结果，形成更为准确的固相概率预测。

这一机器学习分类策略的效果在验证中得到了充分证明。我们在Mg、Fe、Cu、NaCl、NiAl等多种体系的固-液共存结构上对比了SOP、LAEO与ML三种分类方法，结果显示：传统SOP与LAEO方法在Mg、Cu、NaCl等体系中均存在不同程度的固相/液相误判，而ML方法几乎消除了所有误分类现象，固-液界面变得异常清晰，固相分数计算精度显著提升。这一改进直接解决了传统方法因分类不准导致的熔点计算偏差与自动化流程中断问题。

图2 准确的固-液相原子识别

三、计算效果与验证：精度与效率的双重保障

MyTm在多个代表性材料体系中进行了系统验证，包括Mg、Fe、Cu、MgO、NaCl、NiAl等。在完全无人工干预的条件下，程序自动完成了模型构建、温度调整与熔点确定。与文献理论值及实验数据的对比表明：固-液共存法与改进孔洞法计算的熔点与参考值高度吻合（如Mg的共存法结果为914 K，实验值为923 K；NaCl的共存法结果为1072 K，实验值为1074 K），验证了程序的实际精度。而直接加热法与孔洞法由于过热效应，结果普遍偏高，这与现有理论认知一致，也说明MyTm能够正确复现不同方法的内在特性。此外，MyTm还集成了小晶胞方法作为插件，以应对计算资源受限的场景。

四、总结与展望

MyTm模块化架构、灵活的MD代码接口（通过脚本调用外部MD程序如VASP）、以及机器学习增强的固-液识别能力，共同构成了一个鲁棒、高效且易于扩展的高通量计算平台。尽管当前版本尚不支持基于自由能的方法，但其在直接MD方法领域的全面覆盖与自动化能力，已足以使其成为材料基因组计划与AI辅助材料设计中不可或缺的工具。未来，随着更多先进描述符与主动学习策略的引入，MyTm有望在复杂合金、陶瓷及极端条件材料的熔点预测中发挥更大作用。

 其它信息：

 (1) Y.  S. Huang, H. X. Song, Y. Sun, J. L. Li, Y. L. Xu, F. C. Wu, Y. C. Gan, Y. F. Wang, H. Wang, Hua Y. Geng, MyTm: An automated melting temperature calculation toolkit, Comput. Phys. Commun. 330, 110401 (2027). [https://doi.org/10.1016/j.cpc.2026.110401] [PDF原文 MyTm-S0010465526003838-main.pdf]

(2)程序下载：https://github.com/trolohuang/MyTm

支持单位：