传统 DFT 第一性原理计算精度高，但算力天花板严重限制体系规模 —— 上千原子、长时分子动力学、高通量材料筛选场景，动辄数天甚至几周计算周期，极大拖慢新材料研发节奏。 MedeA 3.13 重磅推出全新 ML Property 机器学习物性模块，作为本次版本更新核心黑科技，依托机器学习势表征，无需耗时自洽迭代，直接快速预测各类原子尺度电子物性，完美覆盖传统 DFT 无法高效处理的超大尺度体系，兼顾量子精度与分子动力学级运算速度，打通「建模-大规模仿真- AI物性快速解析」一体化科研工作流。
一、核心底层逻辑：机器学习替代 DFT 自洽，精度速度双向兼顾
ML Property 基于 MedeA 成熟机器学习势函数框架搭建，以海量高精度 DFT 数据集完成模型预训练，跳过传统 DFT 电子自洽循环：
1. 精度对齐第一性原理：预测结果与 VASP 标准 DFT 计算高度吻合，满足论文、实验对标、机理分析学术要求；
2. 计算效率指数级提升：相比 DFT 提速数百至数千倍，万原子级体系物性计算仅需分钟级；
3. 原生一体化集成：深度嵌入 MedeA 图形界面，无需独立训练、代码调试、跨软件数据转换，建模、计算、后处理同一平台完成。
二、四大核心可预测电子物性，覆盖全领域科研需求
模块原生支持 4 类关键原子级电子属性批量输出，完美匹配催化、固态电池、半导体、高分子、合金、缺陷材料研究：
1. Partial electronic charges
快速输出各原子局域电荷分布，用于界面电荷转移、吸附极化、掺杂改性、催化锂电电极脱嵌机理分析。
2. Core level energies
支撑 XPS、XAS 谱图理论模拟，快速对标同步辐射实验表征数据，大幅减少 DFT 谱学计算成本。
3. Electric field gradients
适配固态NMR、穆斯堡尔谱仿真。
4. Partial DOS
一键输出分轨道、分元素局域态密度，快速解析费米面贡献、带隙调控、缺陷局域电子态特征。
下期预告“PhaseField 相场模块全面升级，打通原子-微观组织多尺度仿真闭环”，敬请持续关注!
推荐阅读
MedeA 3.13更新|集成VASP6.6.0实现ZORA相对论较正、恒电势计算，溶剂化模型增强
【原厂资讯】MedeA 3.13 正式发布！AI 驱动多尺度材料模拟全新升级
