计算示例： HOMO (eV) = HOMO (a.u.) * 27.2114 LUMO (eV) = LUMO (a.u.) * 27.2114 能隙 Gap (eV) = LUMO(eV) - HOMO(eV)1、扩散函数（+）的重要性：如果你计算的是阴离子或含有大量孤对电子的分子，基组必须加扩散函数（如 6-31+G*），否则 LUMO 能级会严重偏高。找 HOMO：在 “Alpha occ

在第一性原理计算软件VASP中，能带结构（Band Structure）是研究材料电子性质的核心内容之一。通过计算材料的能带图，我们可以直观了解电子在晶体中的能量分布，从而判断材料的导电类型：金属、半导体、绝缘体或半金属等。本文将详细介绍VASP中能带结构的计算流程、解读方法，以及基于能带结构的材料分类。价带（Valence Band） 是被电子占据的最高能带，导带（Conduction Band

VASP（Vienna Ab initio Simulation Package）是一个基于 Fortran 的从头计算软件包，主要用于进行密度泛函理论（DFT）计算，以处理材料的电子结构。VASP 的主要功能包括电子结构计算、离子弛豫（结构优化）、分子动力学模拟、带结构分析以及各种高级功能如杂化泛函、GW 方法和机器学习力场。VASP 是材料科学、凝聚态物理和计算化学领域的标准工具之一，由维也纳

其中，K点的选择是计算过程中的关键步骤，直接影响计算的准确性和效率。在VASP中，K点密度通常与实空间晶胞大小相关：晶胞越大，布里渊区越小，需要的K点越少。上图展示了布里渊区及其中的K点路径（k-path），这是VASP计算中常见的三维可视化，帮助理解K点在倒易空间中的分布。此图展示了布里渊区中K点和q点的选择示例，q点常用于 phonon 或电子-声子耦合计算，但核心仍是K点采样。K点的选择本质

因此，适当调整网格，在物理场变化较小的地方，可以使用较粗的网格减少计算量。需要提醒的是，设置边界条件时需要特别注意模型的对称类型是对称的，还是反对称的。批处理扫描功能使多个任务并行运行，并且某一任务的失败并不会影响其他任务，避免了任务间的依赖性，可以提高整体计算效率，适用于大规模参数化分析任务。通过对称边界条件，模型的大小减小至少一半，只对模型的一部分进行求解，有效减少计算所需的时间和资源。此外，

本文介绍了石墨烯电子局域化函数(ELF)计算的三步流程。首先通过VASP进行结构优化，设置INCAR参数并运行弛豫计算；其次进行静态自洽计算，启用ELF计算参数生成ELFCAR文件；最后使用VESTA软件进行可视化分析，包括3D等值面观察和2D切片制作。该方法可清晰展示石墨烯中高度局域化的电子区域和面内成键特性，为研究石墨烯电子结构提供有效手段。

《CatGPT：生成式AI驱动的高效电催化剂发现新范式》摘要 研究团队创新性地提出CatGPT生成式模型结合主动学习的催化剂设计方法。该模型基于GPT-2架构，通过将催化剂表面结构文本化处理，实现了高效的新型催化剂生成。相比传统高通量筛选，该方法将计算成本降低80-96%，成功发现34种具有高活性和选择性的新型电催化剂。其中MnPt₃在实验中表现出78.2%的H₂O₂选择性和优异的稳定性，验证了该

《CatGPT：生成式AI驱动的高效电催化剂发现新范式》摘要 研究团队创新性地提出CatGPT生成式模型结合主动学习的催化剂设计方法。该模型基于GPT-2架构，通过将催化剂表面结构文本化处理，实现了高效的新型催化剂生成。相比传统高通量筛选，该方法将计算成本降低80-96%，成功发现34种具有高活性和选择性的新型电催化剂。其中MnPt₃在实验中表现出78.2%的H₂O₂选择性和优异的稳定性，验证了该

《CatGPT：生成式AI驱动的高效电催化剂发现新范式》摘要 研究团队创新性地提出CatGPT生成式模型结合主动学习的催化剂设计方法。该模型基于GPT-2架构，通过将催化剂表面结构文本化处理，实现了高效的新型催化剂生成。相比传统高通量筛选，该方法将计算成本降低80-96%，成功发现34种具有高活性和选择性的新型电催化剂。其中MnPt₃在实验中表现出78.2%的H₂O₂选择性和优异的稳定性，验证了该

《CatGPT：生成式AI驱动的高效电催化剂发现新范式》摘要 研究团队创新性地提出CatGPT生成式模型结合主动学习的催化剂设计方法。该模型基于GPT-2架构，通过将催化剂表面结构文本化处理，实现了高效的新型催化剂生成。相比传统高通量筛选，该方法将计算成本降低80-96%，成功发现34种具有高活性和选择性的新型电催化剂。其中MnPt₃在实验中表现出78.2%的H₂O₂选择性和优异的稳定性，验证了该