一种用于映射局部过渡态网络的通用优化框架

这对未来材料意味着什么

从更高效的电池到超节能的计算机存储，许多现代技术都取决于原子和微小磁性漩涡如何重新排列。这些重排沿着我们无法直接观测到的能量景观中的“道路”进行。本文引入了一种新的计算框架，称为 MOTO，它可以自动绘制给定材料态周围的这些道路。通过这样做，它帮助研究人员理解结构如何形成、移动和消失——这些知识可以为催化剂、磁性器件及其他先进材料的设计提供指导。

看见物质下方的景观

在显微尺度上，材料的行为由充满山谷和山口的能量景观决定。山谷代表稳定的原子或自旋排列，而山谷之间最低的山口是控制系统如何从一种排列转变为另一种排列的过渡态。现有工具要么要求你预先指定起始和目标山谷，要么只从单一点进行局部搜索并仅找到少数附近的山口。这使得在催化表面或拓扑磁性结构等复杂系统中构建可能过渡的完整图谱变得困难。

一种三步法来探索附近路径

作者提出了 MOTO——一个三层优化框架——系统性地映射任意选定山谷周围的局部过渡网络。在第一层，“多目标探索器”生成许多小而有针对性的扰动，这些扰动被设计成遵守基本的物理约束（例如，原子不能重叠且某些拓扑性质得以保持）。这些扰动被选择为尽可能多样化，同时也便于方法在后续阶段识别能量表面朝向附近山口上升最缓的关键方向。

攀登山口并确认连通性

在第二层，MOTO 关注每个有前景的起点并估计离开山谷的最小阻力方向——能量景观中最柔和的上坡方向。它不是构建并存储描述景观完整曲率的巨大矩阵，而是使用可以在现代图形处理器上高效计算的紧凑“海森矩阵-向量乘积”。这一步使得方法能够直接向单鞍点攀登，同时在内存使用和运行时间上保持低开销，即使对于具有百万级相互作用自旋的系统亦然。在第三层，MOTO 在找到的每个鞍点的两侧将系统向下轻推，揭示该山口连接了哪些山谷，并将它们加入不断扩展的附近态与路径地图中。

从磁性漩涡到移动的原子

为展示 MOTO 的能力，作者首先将其应用于一个详细的薄磁膜模型，该模型包含斯格明子——纳米尺度的旋转自旋结构，具有数据存储前景。从单个斯格明子或反斯格明子出发，MOTO 发现了涉及称为 meron 与 antimeron 的部分涡旋模式出现在系统边缘的一系列丰富的近邻过渡态。这些过程使得斯格明子的复制、湮灭以及“手性液滴”的形成成为可能，并共同提供了多达 32 条不同的路径连接复杂的多斯格明子态。在第二个测试中，同一框架——无需改变其核心逻辑——被应用于经典的表面扩散问题：一个七原子镍簇在镍表面移动。在这里，MOTO 自动重新发现了已知的原子重排，如边缘跳跃、角落移动和协调的多原子移动，同样组装出一个详尽的局部态与能垒网络。

向前发展的意义

对于非专业读者，关键信息是 MOTO 提供了一种通用而高效的方法，能够揭示复杂系统如何从一个附近的排列移动到另一个，而无需手工设计路径或事先猜测所有重要的过渡。它将材料的单张快照转化为可能变化及其能量代价的局部路线图。由于该方法仅要求能量可微并且能够沿选定方向计算曲率，它可以扩展到磁性结构和原子表面之外的许多其他系统，包括电子结构计算甚至机器学习模型。这使得 MOTO 成为发现驱动物质行为的隐性机制并指导下一代技术设计的多用途新工具。

引用: Xu, Q., Delin, A. A general optimization framework for mapping local transition-state networks. npj Comput Mater 12, 112 (2026). https://doi.org/10.1038/s41524-026-01985-3

关键词: 能量景观, 过渡态, 斯格明子, 计算材料学, 原子扩散