DFT计算越来越便宜，但解释力反而在下降？

一个反直觉的现象

十五年前，做一次 DFT 计算需要排队等好几天，我们会对每个 k 点、每个泛函的选择反复推敲。现在，云计算和自动化工作流让成百上千的结构计算变得像点外卖一样简单。按理说这是好事，但我越来越担心一个副作用：我们正在失去对计算过程的直觉。

便宜带来的代价

当计算很便宜时，研究者倾向于跑更多结构、试更多组合，而不是停下来问："这个结果为什么对？"我亲眼见过一个学生，用自动化脚本跑完两百个结构后，面对一个反常的能带图完全不知道从哪里排查。

问题不在于自动化，而在于自动化的速度超过了理解的深度。

解释力为什么重要？

DFT 不是算命工具。它的真正价值是帮助我们建立"结构-性能"之间的因果链。如果我们只关心预测值，不关心背后的电子结构机制，那 DFT 和机器学习黑箱就没有本质区别。

在 LAMMPS Assistant 里，我会建议把每一步计算的关键中间量保留下来；在 3D Modeling Workbench 中可视化能带和态密度，也有助于把抽象数值还原成物理图像。

"计算变便宜了，但思考不能变便宜。"

怎么找回解释力？

我的做法是：每做完一轮高通量计算，强制自己回答三个问题——最异常的结果是什么？它违反了哪些物理直觉？有没有一个最简单的模型能解释它？

这些问题不会出现在论文里，但它们决定了你到底是做了一个计算项目，还是做了一个有物理洞察的研究。

下次跑 DFT 前，不妨先在 3D Modeling Workbench 里把结构拆成你能解释的模块。