现代化学设计实验
课程简介
本课程旨在通过实践学习引导学生掌握分子动力学和量子力学计算的关键技术。本实验课程为现代化学实验课程的一部分，重点围绕先进材料设计实验，通过结合理论与实践，学生将使用高性能计算平台bohrium进行各类复杂的化学计算设计实验。课程将涉及Quantum ESPRESSO、ABINIT、VASP、OpenMM和LAMMPS等软件以及深度学习DeepMD-kit工具，覆盖分子的模拟、材料的电子结构计算以及高性能分子动力学模拟等领域。学生将在授课老师的指导下，通过Python或C++语言在Jupyter Notebook环境中编写和执行代码，从而可以快速且有效地学习、掌握并完成计算化学中的复杂实验计算。
课程目标
- 掌握计算化学方法并探索物质的物理、化学性质。
- 运用并行计算技术优化化学模拟过程，提高计算效率。
- 应用综合计算工具解决跨学科的科学问题。
- 培养处理和分析化学计算数据的能力。
- 设计和执行科学计算实验，熟练使用计算资源。
- 加强团队合作和科学交流能力。
具体实验教学目标
* 量子力学计算技能
通过Quantum ESPRESSO、VASP、和ABINIT软件的应用，学生将学会进行材料的电子结构计算和探索凝聚态物理的基本问题。
* 掌握分子动力学模拟基础
理解并能够运用LAMMPS软件包进行材料科学的分子动力学模拟。
* 分子动力学的深度学习应用
通过基于神经网络拟合的第一原理数据的DeePMD-kit软件包，掌握多体势能表示和分子动力学的深度学习。
* 高性能计算实践
利用OpenMM在GPU平台上进行高性能分子动力学模拟，理解并应用并行计算技术以优化模拟过程。
* 跨学科计算方法应用
掌握结合不同的计算工具和方法来解决复杂的科学问题，包括物理模型构建和计算、新材料的设计以及物质的电子特性预测。
- 数据分析与解释： 培养分析、处理模拟结果的能力，学会从计算数据中提取物理意义，并能够使用适当的统计和图形工具表现结果。
- 科学研究方法与实验设计： 在bohrium平台上使用各类软件工具，学习设计、执行和调试复杂的科学计算实验，以及有效地利用计算资源。
教学方法
课程采用在线实验的模式，通过课前讲授和指导，学生将在bohrium平台的Jupyter Notebook环境中进行实验操作。课程中将大量使用案例研究和实际问题来指导学生进行实验设计和问题解决。
课程总体框架如图：
适用对象
该课程适合化学、物理、材料科学以及相关领域的高年级本科生和研究生，特别是对计算化学和材料科学感兴趣的学生。同时要求学生具有一定的Python编程能力。
教学团队
重庆大学：李军 左赵宏 田维全 陈效华 商波 孙耿
李军
从事物理化学、量子化学、计算化学、化学反应动力学等的课程教学及实验。 围绕分子反应动力学理论研究中的关键科学问题，开展了系统深入的研究，支持和服务于燃烧、星际、大气和相关基础研究领域。主持国家自然科学基金委面上项目两项、参加一项，主持重庆市面上项目一项等。共发表SCI学术论文140余篇，其中第一/通讯作者(含共同)90余篇，多篇发表在Nat. Chem.，J. Am. Chem. Soc.，PNAS，CCS Chem.，Chem. Sci. ，J. Phys. Chem. Lett. 等。中国化学会化学动力学专业委员会委员、《中国化学快报》青年编委。 入选万人计划青年拔尖人才（2023），获得高级洪堡学者（2020）、重庆市青年拔尖人才（2019）、“2017 中国新锐科技人物”等。受邀撰写书籍章节。2021年获重庆市化学化工学会基础研究成果奖一等奖、重庆市化学化工学院优秀教学团队奖三等奖。
左赵宏
从事物理化学、高分子化学、高分子物理教学和实验。 主要研究分子反应动力学，燃烧动力学、高聚物合成及其裂解动力学，开展了深度学习方法应用于分子反应动力学研究工作。参与国家自然科学基金委面上项目两项，主持重庆市一流课程1项；软著1项；主持教改项目4项。发表SCI学术论文6篇。
课程特点
1. 高度集成的云计算平台
- 预配置的计算环境：
借助深势科技的Bohrium平台，本课程提供了一个预配置、优化的计算环境，消除了传统实验室设置中常见的技术障碍。与传统线上和线下实验课程相比，学生和教师无需进行繁琐的软件安装和硬件配置，学生和教师可以专注于实验本身而不是软硬件的安装和配置，这显著提升了学习效率。
- 强大的计算能力：
Bohrium平台提供的强大算力也极大地缩短了计算时间，使得复杂的模拟和计算任务也能在较短时间内完成。这种快速响应的计算能力不仅提高了实验的运行效率，也使得可以在课堂上实时演示和分析复杂的计算结果，进一步增强了学习的互动性和实用性。
2. 实时数据处理与交互式学习
- 交互性：
利用Jupyter Notebook的交互式界面，学生能够实时编写代码、分析数据，并立即看到结果，同时在程式的运行中，Jupyter Notebook对每一运行步骤都能做出实时反馈，更加高效的提高了学生实验过程的正确性，同时也减轻了教师的工作难度。这种即时反馈和可视化的数据展示，相较于传统线上课程和虚拟仿真实验，提供了更加深入的学习和实验体验，使学生能够直观地理解复杂的科学概念和计算过程。
- 灵活性：
利用Jupyter Notebook的灵活性，学生可以实时调整实验条件和步骤，进行代码与文档一体化操作，优化实验设计，实现实验的创新。
3. 跨学科工具的应用
平台深度优化第一性原理计算、分子动力学等微尺度科学计算算法与软件，如LAMMPS、Quantum ESPRESSO、VASP、ABINIT、OpenMM、DeepMD-kit等，并提供海量高性能算力与高效便捷的计算模拟环境。这种跨学科的工具集成以及算力，允许学生从材料的化学性质到物理性质的多层次、多维度探索。而传统虚拟仿真实验课程，其模型的单一性，往往难以实现这一跨学科、多模式的应用。
4. 项目化学习和团队协作
通过项目共享和镜像功能，学生可以在Bohrium平台上协同工作，共享实验设置和数据。这种合作学习模式不仅加强了团队合作能力，也与传统教学模式相比，更符合现代工作场所的需求。
5. 动态内容更新和实验调整
该平台具有优异的社区生态环境，使得能够持续更新计算案例库，这为课程提供了实时更新的教学材料。教师可以利用平台提供的实时更新功能，根据最新的科学研究成果和技术发展调整课程内容和实验项目。这种动态更新的教学模式在传统的线上和线下课程中往往缺乏，确保了教学内容的时效性和前沿性。
6. 实时监控与指导
Bohrium平台的实时监控功能使教师能够即时了解学生的实验进展，提供及时且精准的指导和反馈。这种实时交互超越了许多虚拟仿真实验和传统线上课程提供的支持水平。
实验考核策略：
1. 实时代码运行和数据分析任务
- 即时反馈：利用Jupyter Notebook的实时运行特性，学生提交的代码可以立即得到执行结果。
- 过程记录评估：通过Jupyter Notebook的运行日志作为评估学生实验技能和学习进程的依据。
2. 项目基础的综合评估
- 团队项目成果：学生需要在团队中协作完成项目，项目的结果将作为评估的主要部分，考核学生如何将理论知识应用到实际问题中。
- 项目展示与交流： 每个团队将在课程结束时进行项目展示，展示中包括对项目结果的讲解和对项目过程中关键决策的说明，教师和同学提问环节也将作为评分的一部分。
3. 定期理论测验
- 在线测验：利用Bohrium平台进行定期的理论知识测试，这些测试可以是选择题、填空题或简答题，旨在评估学生对课程基础知识的掌握情况。
- 批改与反馈：测试结果将通过平台批改，学生可以即时获得反馈，了解自己的理论知识掌握程度。
4. 互动参与度评价
- 讨论与反馈活跃度：学生在课堂讨论、论坛参与以及对同伴工作的反馈中的活跃度和质量，将作为课程评分的一部分。
- 教师主观评价：教师根据学生在互动中的表现给予主观评价，这包括学生的创造性思考、问题解决能力及团队协作精神。
5. 终端实验报告和科学论文
- 实验报告：学生需要提交详尽的实验报告，报告需详细描述实验过程、数据分析和结论。
- 科学论文风格的写作：鼓励学生以科学论文的格式来撰写报告，评估其能力在于是否能够按照科研标准进行严谨的论述和表达。
课堂测试
课堂在线测试涵盖了课前测试，以及课后测试，旨在全面评估学生的学习进度和理解深度。这些测试包括选择题、填空题、简答题等形式，覆盖了理论知识点，以及实验策略、优化和创新等实践技能。 课堂测试根据实验进度随时调整，以下是课堂测试链接：
教学目录
1. 课程导论与计算化学概览
计算化学的基本概念
Bohrium平台和Jupyter Notebook的使用入门
2. 量子力学计算入门
量子力学在材料科学中的应用
Spectral Computations in Quantum Mechanics and Applications to Material Structure
Quantum ESPRESSO软件的基础
实验一：Bohrium 平台上运行 Quantum ESPRESSO任务
ABACUS软件的基础
实验二：Bohrium 平台上运行 ABACUS 任务
实验三：金属及其氧化物的密度泛函计算
3. 分子动力学模拟
LAMMPS软件的介绍与应用
实验四：Bohrium 平台上运行 LAMMPS 任务
实验五：使用LAMMPS进行高级材料模拟
4. 材料电子属性高级计算
第一性原理计算的深入理解 VASP软件的应用
实验六：探索材料属性
5. 综合计算应用
ABINIT软件介绍与实验
实验七：金刚石总能量的计算
6. 高性能计算技术
并行计算和高性能计算概述
实验八：使用OpenMM在GPU上进行模拟
实验九：NVT/NPT 模拟设置对扩散系数计算的影响
Effects of NVT/NPT Simulation Settings on Diffusion Coefficient Calculation
7. 深度学习在化学计算中的应用
DeepMD-kit简介
实验十：使用DeepMD-kit构建深度学习模型
实验十一：DeePMD-Kit+LAMMPS
实验十二：DeePMD-Kit+异质结模型搭建
实验十三：高聚物聚乙烯裂解动力学主成分分析（PCA）
讨论区
