ASE全局优化实操：Minima hopping

Minima hopping用短MD尝试离开当前盆地，再局部优化，并根据是否找到新盆地调整下一次搜索。本篇沿用Basin hopping教程的相同Cu13初态与EMT势，展示实际日志、四次局部淬火与保存结果的方法。

1. 先重画已有结果#

下载Cu13搜索完整数值与程序包：

python3 -m zipfile -e ase-Cu13-global-optimization-wave308-*.zip .
cd ase-Cu13-global-optimization-wave308
bash run.sh
cat results/quenches.csv

这一步只做后处理，不运行新的MD。参考保留三分支全部431个实际保存帧的完整坐标、力和能量，而不是只保存最漂亮的一帧。

2. 实际搜索代码#

完整calculate.py使用同一初态复制，关键部分为：

import numpy as np
from ase.calculators.emt import EMT
from ase.optimize.minimahopping import MinimaHopping

trial = atoms.copy()
trial.calc = EMT()
search = MinimaHopping(
    trial,
    T0=600.0,
    mdmin=1,
    timestep=1.0,
    fmax=0.02,
    rng=np.random.default_rng(20261108),
    logfile='hop.log',
    minima_traj='minima.traj',
)
search(totalsteps=4)

T0单位为K，timestep为fs，fmax为eV/Å。与Basin hopping中的eV温度参数不同，不要交换两套单位。这里的600 K用于搜索逃逸，不是平衡铜团簇的热力学温度实验。

mdmin=1参与判断短MD逃逸何时停止，不是只跑一个MD时间步。totalsteps=4包括初始局部优化，本次实际为初始淬火加三次MD逃逸后的淬火。 它不是四个完全独立的随机样本。

3. 新计算怎样提交#

sbatch run.slurm
squeue -u "$USER"

与上一篇共用一份脚本，依次运行普通FIRE、Basin hopping、Minima hopping。新数据写native/，已有目录时停止。模板使用分配节点上的1个CPU核运行EMT，申请的GPU不代表这个CPU算法有GPU加速。

cat native/minima-hopping/hop.log
ls native/minima-hopping/md*.traj
ls native/minima-hopping/qn*.traj

md*.traj是逃逸过程中的热运动，qn*.traj是局部优化过程；minima.traj记录算法按自己的相似性规则认为需要保留的极小。它们回答不同问题，不必具有相同帧数。

4. 读实际日志中的温度调整#

本次首先记录初始极小，然后找到一个更低的盆地。后两次逃逸又回到相近盆地，日志中出现Re-found last minimum，搜索温度随之调整。实际打印过600、545.4545、600、660 K等搜索参数。

这些调整用于搜索算法，不是本篇提供了一条按这些温度平衡采样的物理轨迹。没有找到新盆地也不是程序没有做计算；应结合MD轨迹、局部优化和相似性判断阅读。

5. 最低能从哪里取#

遍历每条局部优化轨迹的最后一个、已完成淬火的状态：

from pathlib import Path
from ase.io import read, write

states = [read(p, -1) for p in sorted(
    Path('native/minima-hopping').glob('qn*.traj')
)]
best = min(states, key=lambda a: a.get_potential_energy())
print(best.get_potential_energy())
write('best-minima-Cu13.extxyz', best)

本次四条淬火记录的最低值为9.361375314 eV/Cu13；最后当前状态为9.361481780 eV/Cu13。算法按几何相似性将某些状态视为同一盆地，因此minima.traj只记录两个代表，而不是四条淬火记录都另存成一个新极小。

原子力停止阈值为0.02 eV/Å，近似同一盆地的残余能量仍可有约10⁻⁴ eV量级差异。不要将Basin和Minima本次最低值约0.000115 eV的差别直接解释成哪种算法对真实铜更准确。

6. 把自己的原生ASE数据读出来#

module purge
module load ase/3.29.0
python read_ase_frames.py native --output my-fields
ls my-fields

得到native-fields.npz和FRAMES.json，逐帧保留原子坐标、原子力、势能以及该帧属于哪一个原生轨迹。热MD中的瞬时能量、尚未完成优化的中间帧与已淬火极小不能混成一列，再据此比较优化效果。

7. 换体系前需要改什么#

选择适合目标材料的计算器、初始构型与边界，再设置扰动/逃逸尺度和局部优化阈值。保持能量、力来自同一个相容势，增加搜索长度和多个独立起点，检查是否仍不断找到新的低能盆地。对有固定原子、对称性或成键限制的体系，要明确约束是否在搜索和局部优化阶段都正确应用。

本篇只是少量步骤的教学搜索，没有证明Cu13全局最低能，也未计算自由能或不同温度下的稳定相分布。