晶體結構預測（crystal-structure prediction）

這是固態科學最古老的夢想之一——也曾是最大的難堪之一：只給一張成分清單，比方說「兩個鈉原子與一個氧原子」，你能不能在電腦上、在踏進實驗室之前，就預測出它們實際會形成什麼晶體結構？很長一段時間，誠實的答案是不能。正如一篇著名社論所言，我們連從化學組成預測簡單晶體結構都做不到，這仍是一樁「持續的醜聞」。晶體結構預測（CSP）就是把這件事做成的現代科學：從第一原理計算材料會採用的原子排列，而不是去量它。

其原理是能量最小化。處於平衡的材料會採用自由能最低的結構（在絕對零度則是總能量最低）。所以原則上你列出原子的每一種合理排列——不同的晶格、晶胞大小、原子位置——算出每一種的能量（通常用量子力學的密度泛函理論），再挑最低的。難處在於組合爆炸：可能排列的數目大到天文數字，是一個布滿無數谷地的崎嶇能量地景，而你必須在不檢查每一點的情況下找到最深的谷。整個遊戲就是聰明地搜尋那片地景——用演化（遺傳）演算法來「培育」好結構、隨機取樣、盆地跳躍、粒子群方法，或用機器學習的能量模型讓每次評估便宜到能嘗試數百萬個候選。

CSP 之所以重要，是因為它把材料發現反轉過來：不再是先做再量，而是能在電腦上篩選數千種假想化合物，只合成有希望的那些。它有真實的成功——預測後來被實驗證實的新高壓相，包括富氫超導體，並預報無人做過的穩定化合物。但要坦白說明限制。對大型或柔性分子而言，預測真正的「基態」確實很難（有許多可能堆積方式的有機晶體，稱為多形，出了名地棘手），互相競爭的結構之間能量差常常極小，而算出的基態並不總是實際會結晶出的那個，因為真實材料會被動力學困在亞穩形式中。CSP 是一個強大、快速進步的工具，還不是一個永不出錯的神諭。