20170730-學習筆記

01-25

向大家推薦一個Youtube上的好頻道：Physics Videos by Eugene Khutoryansky。裡面對物理概念的描述非常精闢，而且簡單易懂。另外輔助3D動畫技術可以很直觀的描述所討論的物理概念。強烈推薦！！
在JACS官方網站上閑逛，偶然看到了JACS的投稿準則（JACS-Author-Guide），裡面有一小段是和理論計算有關的。粘貼到這裡，和大家分享一下：

在這裡說到「in addition to meeting the general requirements specified above all Articles」，那麼這些general requirements主要指的是什麼呢？我覺得可以用文中的這句話來表現：

並且在JACS上發表的文章必須滿足：

「pure" chemistry是JACS發表文章的前提條件。但什麼是pure chemistry？這個問題希望和大家討論一下。我個人認為pure chemistry包括以下幾條：

（1）新的實驗方法，可以帶來全新的數據/對原有物理量的測量更加準確

（2）提出新的模型，更好的解釋了之前的實驗現象。並給出了一定程度的預測。

（3）提出新的概念（Conceptual breakthroughs）。這和新的模型其實是互相呼應的。

（4）合成出新的物質（greatly expanded scope）。對新物質的研究可以為化學創造一片新的領域。

另外，在這篇指南中，還明確說明了哪類文章是不夠發表資格的：

在發表期刊的時候，一定要事先讀讀author guide。看看期刊編輯的要求有哪些。這樣也可以作為我們研究選題的參考標準。

文獻調研：（來自於ACS Editor"s Choice）

這篇文章作者通過在無定型Ti氧化物中進行金屬原子參雜，從而降低了ORR的活性。因為ORR對於金屬腐蝕（corrosion）過程有很大的促進作用，因此將其活性降低可以防止金屬的進一步腐蝕。如下是金屬腐蝕的示意圖：

作者不光通過理論計算說明了通過參雜金屬原子到無定型Ti氧化物中會製造出使ORR活性降低的催化劑，並且通過實驗手段證明了這一點。下面我們通過理論、實驗兩個部分來了解一下作者都做了些什麼。

【理論部分】：

軟體：VASP。泛函：PBE。贗勢：PAW。（幾乎已經成為主流的計算選擇了）

Encut Energy：450eV。K-Meshing：2*2*1（相對來說比較小啊）。

有關零點能（ZPE: Zero point energy）以及熵（T*S）修正。作者使用了別人的數據（其實這也是可以的，方便了自己的工作量）

另外作者還考察了溶劑化能的影響（使用VASPsol代碼，水的電介常數被設置成了78.4）。以及不同泛函的影響（HSE06 Hybrid，開啟自旋極化，但K-mesh選擇Gamma-Point）。這樣可以比較高級的泛函對結果有什麼樣的影響。同時在所有doping的體系當中，也都使用HSE06進行了計算。

【那麼HSE06如何在VASP中進行設置呢？】我們可以通過以下方法（來自VaspWiki）：

對於無定型Ti氧化物的結構作者採用了較為複雜的處理方式：先使用LAMMPS模擬了晶體退火時的行為。再用VASP進行了幾何結構優化：

下面我們需要關心一下他們究竟計算了哪些體系？又得到了什麼樣的結果？

【1】首先它們比較了經過LAMMPS + VASP計算後得到的表面結果與實驗測量值之間的對比。可以發現兩者基本類似（計算值會比實驗值稍高一些）。

我們可以看看作者對這個模型的評價是怎樣的：

【2】ORR的超電勢（Overpotential）計算

在這裡，作者假設了質子-電子耦合轉移的步驟。通過計算每一步的Gibbs自由能就可以得到圖（b）。但是在計算自由能的時候應該記住要將DFT所求的能量進行ZPE和TS的修正【如果採用VaspSol則還需要加入溶劑化效應】：

$G = E_{DFT} + ZPE - T imes S + (E_{solv})$

緊接著通過調整電極電勢將該反應：

$H^++e^- ightarrow frac{1}{2}H_2$

的Gibbs自由能調整。另外通過改變pH也可以改變質子的自由能。最後整個反應的超電勢就是升高最大的那一步能量。

通過這樣的計算，作者很好的重現了實驗數據：

【3】通過描述符（Descriptor）來對參雜金屬原子進行掃描（Screening）

他們的目的是希望通過增加ORR的超電勢來達到降低其活性的目的。

那麼將參雜原子加入到表面當中，究竟應該在哪個位置上呢？作者認為，當參雜體系的能量最低時，它對ORR的影響會最大。

最終Screening的結果如下：

圖標如下：

當計算完成後，對計算結果的判斷以及預期也很重要，我們看看作者的說法：

可以看到。作為理論計算的工作人員，必須分析自己模型的優劣程度。這樣才是比較完整的科學研究。

【4】理論與實驗的對照

關於實驗部分，因為本人也不是很了解。所以如果有感興趣的可以直接去看原文。

在這篇文章中，作者的思路十分清晰：

建立結構-->計算超電勢（無參雜時）-->通過改變參雜金屬進行Screening-->與實驗進行比較。每一步中有關的計算方法都已經在上面闡述清楚了。

在這裡不僅僅希望和大家分享一篇文章。也想和大家分享一下寫文章的思路以及文章中具體計算的方法（technique之類的東西）。希望大家會覺得有用。

ACS期刊的影響因子：（來自鏈接）

一篇有關計算平衡電位的文章：

他們提出了一種全新的計算方法來計算氧化還原電勢。從TOC中可以看出，理論和實驗的結果符合的相對較好。（不過相差0.3V這也有點太大。。。不知道是不是只能算成這樣）

對這篇文獻的閱讀可以讓我們更好的了解電化學反應體系的複雜性：（1）溶液（2）電極電勢。有時可能還會有pH的改變。這篇文章的理論性較強，如果對此有感興趣的可以參見具體文章。

有時間想寫一些與COMSOL在電化學中應用有關的notes。大家有木有感興趣的？~~
現在是晚上19：51。快八點了。下面要看些什麼呢？我打算整理以下ASE的東西。

ASE的全稱是Atomic Simulation Environment，是DTU理論化學組寫的一個Python模塊。裡面有許多的函數可以幫助我們建立表面結構、以及建立計算文件。因為我本人用的比較多的是VASP，而且主要偏重於表面計算。因此下面講的都和建立表面有關係。

ASE的官方網站為：Atomic Simulation Environment。下載以及文檔、還有tutorial都在上面。那麼官方說法中ASE是個什麼呢？請看下面：

ASE是希望將自己做成一個平台。這個平台可以搭建計算體系、腳本化計算流程以及進行後續的結果分析。ASE所使用的語言是Python，而且ASE經常和numpy以及scipy兩個科學計算庫一起合用。

同時ASE也是一個開源平台：

但是我們如果想要學習ASE，那麼就必須有Python語言的基礎。下面我們用很少的篇幅來將Python的基礎語法複習一遍（如果對Python很有興趣的可以去看廖雪峰的這套網路教程：Python 2.7教程。

根據昨天學習C++的方式一樣。我們在Python中重點要學習這些寫法：（1）選擇語句【If else / switch】（2）循環語句（Python中的語法糖）（3）建立函數/過程。（4）讀/寫文件。

要記得一點，在Python中所有的結構塊都是用縮進來表示的。

【基礎語句】

在Python當中輸入一個量，並將這個量傳遞給一個函數：

var = raw.input()var = raw.input("Please input a number")

Python當中的輸出語句：

print "hello, world"print 100+200

Python中的注釋為#。

# This is a comment

【數據結構：list與tuple】

Python中list的生成以及其相關操作：

myList = ["a", "b", "c"] # build a listlen(myList) # length of a listmyList[0] # First item in the list, index start with 0myList[-1] # Last item in the listmyList.append("d") # Add "d" to the last of the myListmyList.insert(1, "e") # Add "e" to the 1st position (second item)myList.pop() # Delete the last item in myListmyList.pop(index) # Delete the item at index positionmat = [[1, 2, 3], [4, 5, 6]] # 2-dimensional matrix, mat[0][2] = 3

Python中tuple的生成以及相關操作：

其實Tuple的用處不是很大，因為它一旦生成之後就不能修改了。

myTuple = (1, 2, 3) # build a tuple

【選擇語句】：

if (condition): stats;elif (condition): stats;else: stats;

【循環語句】：

Python中循環有兩種。第一種是for ... in ...，第二種是while循環。

for i in range(n+1): # iteration from 1 to n statsmyList = ["a", "b", "c"]for item in myList: # iteration for all items in myList statswhile (condition): # iteration until condition is false stats

【函數與過程】：

在任何語言中，函數都必須有：（1）返回值類型（2）函數名稱（3）參數名稱。在Python中也不例外。

對於函數的調用，我們已經在上面看到了（raw_input()）。那麼在Python語言中本身就有許多的定義好的函數：（參見2. Built-in Functions）

Python中自定義函數的寫法是：

def func_name(parameter): # definition of a function stats return variable # return value of the function

在Python中還有一個比較有趣的語句：pass。當你不知道要些什麼的時候，可以用pass來「佔位」，這樣可以保證程序正確運行：

def nowork(): pass # Notice, in here no ;

當我們想讓函數的返回值多於一個時，我們可以這麼來做：

def func(parameters): stats return nx, nyx, y = func(parameters) # x = nx, y = ny

【Python中的語法糖（Grammer sugar）】

切片操作：

myList[0:3] # choose index from 0 to 3myList[:3] # the same as abovemyList[-2:] # the second last item to the last onemyList[0:10:2] # choose from index 0 to 10, in between 2

一個String同時也可以看成是一個List。

【模塊Module的調用】

在Python當中有許多的模塊（Module）。例如ASE本身就是一個Module。那麼對於module的調用在Python中是用import來進行的：

import module1 # Now you can use module1import module1 as m1 # use m1.func()from x import y # x is big module, y is submodule

【文件讀寫】

在Python中讀文件和寫文件是非常簡單的事情。具體舉例如下：

f = open("filename.txt", "r") # "r" means the file is readablef.read() # read the whole file once as stringsf.close() # close the file / I/O stream# other way of read file (line by line)for line in f.readlines(): # read file line by line line.strip() # get rid of " "

寫文件和讀文件有異曲同工之妙：

f = open("filename.txt", "w") # "w" means the file is writablef.write(something) # write something into the file

在這裡f.write()的寫法相當於將f看成了一個對象（object）。其中write是對象的方法。

由於正則表達式也是一個編程非常有效的工具。因此我們以後有機會還會慢慢介紹。

上面將Python的一些基礎知識介紹完了，下面我們就來介紹以下ASE的有關操作。

我們使用ASE是想搭建計算模型。那麼計算模型是由原子所組成的，因此我們的第一步就是：建立一個原子。關於這點我們可以用下面的Python語句來實現：

from ase import Atom # Build an atoma = Atom("H", (0,0,0)) # Build an hydrogen atom at (0,0,0)

最後我們輸出a的結果為：

在這裡a其實是一個Atom對象，那麼對於這個對象會有許多的參數（attribute）以及方法（methods），我們可以通過ASE的官網文檔對Atom對象進行了解（：

我們可以看到，一個Atom對象所擁有的參數為symbol, position, tag, momentum, mass, magmom, charge。那麼如果我們想看a的原子種類和坐標，我們可以這麼來做：

那麼下面我們從原子開始構建分子。這就是ASE中的Atoms模塊。

具體的使用方法如下：

from ase import Atomsd = 1.1 # bond length of CO moleculemol = Atoms("CO", [(0,0,0), (0,0,d)])

那麼我們自然也想知道Atoms有什麼參量以及方法：

在Atoms對象中所有的參數

接下來還有呢：

以及一些官方的例子：

上面僅僅是介紹了兩個module（Atom與Atoms），在ASE官方網站上我們還可以看到許多的module：

當然我們不可能在一天就把這些東西都了解完。學習ASE也需要長時間的努力以及不斷的試錯才行。明天可能會學到build, lattice。這兩個庫都是和建立模型有關的。

今天就學到這裡了。。。去看看《權利的遊戲：第七季》~~