2025年10月11日至15日，由全国热传导研讨会组织委员会和国防科技大学理学院、湖南大学物理与微电子科学学院承办的“第九届全国热传导研讨会（WTT2025）”在湖南长沙隆重举行。该会议旨在为国内热能科学及其交叉领域的研究者提供高水平的交流与合作平台，研讨热传导领域的最新进展与前沿态势。
在本次全国性学术会议上，我校物理学院陈杰教授团队博士研究生王宇星提交了题为“Dynamic evolution simulation based on a time-series algorithm”的海报。该海报所展示的创新性研究思路、出色的模拟结果和清晰的可视化呈现，从众多参展海报中脱颖而出，经大会专家委员会评选，荣获本届大会“优秀海报奖”。
研究背景
分子动力学（MD）模拟是探究微观原子世界与宏观材料性质之间关系的关键桥梁。其中，第一性原理分子动力学（AIMD）因其高精度而被广泛采用。然而，AIMD的模拟受限于巨大的计算成本，其模拟的体系大小和时间尺度严重不足。这一时空尺度的瓶颈，极大阻碍了其在材料相变、晶体生长等需要长时间演化、大体系模拟的复杂动力学过程研究中的应用。
海报亮点
针对AIMD的计算瓶颈问题，该工作提出了一种基于时间序列算法的动力学模拟新范式。该方法的核心思想是将原子动力学演化过程重构为一个高维时间序列预测任务。
为此，本工作开发了一种基于内嵌物理对称性的图神经网络（EGNN）时间序列模型。与传统机器学习势函数（MLP）致力于预测原子间作用力不同，该模型通过直接学习系统的演化算符，实现了从当前原子状态（位置与速度）到未来新状态的端到端映射，完全避免了对力和能量的显式计算。同时，通过将速度作为动态节点特征并内置动量守恒约束，模型在保证物理真实性的前提下，实现了长时间演化过程的稳定预测。
海报展示了该模型在晶体硅（Si）和更复杂的三硒化铌（NbSe₃）体系中的验证结果。结果表明，该模型不仅具有极高的单步预测精度，更重要的是在长达数十皮秒的自回归推演过程中（即模型完全基于自身输出进行迭代预测），依然能高保真地复现径向分布函数（RDF）、均方根位移（MSD）和声子态密度（VDOS）等关键的统计物理性质。与传统的NEP势函数相比，该模型在预测精度和数据效率上均展现出明显优势。
总结与展望
本工作创新性地提出了一种基于时间序列算法的动力学演化模型，该模型避免了传统模拟中耗时的原子间受力及能量计算这一瓶颈，可用于探索需要大量统计采样、涉及大尺度复杂体系等传统方法难以实现的复杂动力学过程，例如相变、晶体生长等，为材料科学和凝聚态物理领域的研究提供一种兼顾精度与效率的动力学模拟新范式。
