晶体设置
晶体结构
晶格常数 a (Å)2.87
显示晶胞数1×1×1
旋转速度1.0
配位数
—
堆积分数
—
最近邻距离
—
原子数/晶胞
—
以三维等轴测旋转动画可视化SC、BCC、FCC、HCP、金刚石、NaCl和石墨烯（2D）晶体结构。实时计算配位数、堆积分数和径向分布函数g(r)。
堆积分数（Packing Fraction）是衡量原子在晶格中空间利用效率的核心参数，定义为原子所占总体积与晶胞总体积之比。
$$PF = \frac{n \cdot V_{atom}}{V_{cell}}$$其中，$n$ 是一个晶胞内的原子数（如FCC为4个），$V_{atom}= \frac{4}{3}\pi r^3$ 是原子体积，$V_{cell}=a^3$ 是晶胞体积（a为晶格常数）。对于FCC，原子半径 $r = \frac{\sqrt{2}}{4}a$，代入可得经典堆积分数约0.74。
径向分布函数 $g(r)$ 是表征材料中原子排列有序度的关键函数，在分子动力学和X射线衍射分析中至关重要。
$$g(r) = \frac{1}{\rho N}\left\langle \sum_{i=1}^{N}\sum_{j \neq i}^{N}\delta(r - r_{ij}) \right\rangle$$其中，$\rho$ 是平均原子数密度，$N$ 是原子总数，$r_{ij}$ 是原子i和j之间的距离，$\delta$ 是狄拉克δ函数，尖括号表示系综平均。$g(r)=1$ 表示完全随机（如理想气体），出现尖峰则表明该距离处存在确定的近邻壳层。
金属材料与相变：铁在912°C以下为体心立方（BCC，α铁），以上为面心立方（FCC，γ铁）。FCC结构更致密，塑性更好，这是热处理工艺（如淬火、退火）改变钢材性能的原子层面根源。
半导体工业：硅和锗采用金刚石立方结构，每个原子与四个邻居形成强方向性的共价键。这种结构虽然堆积分数低（~34%），但赋予了材料优异的半导体特性，是制造所有集成电路芯片的基石。
能源与催化：燃料电池的催化剂（如铂纳米颗粒）通常制备为FCC结构，因为它能暴露更多活性晶面（如{111}面）。通过控制晶格常数和颗粒大小，可以优化其催化效率。
先进复合材料：石墨烯是单层碳原子以六方（类似HCP的一层）排列的二维材料。其极高的强度与导电性源于这种完美的sp²杂化键合网络，是未来柔性电子和超强复合材料的核心。
首先，请不要过度相信“原子是坚硬的球体”这一简化模型。NovaSolver中显示的球体只是为了方便，用半径表示原子“电子云”的分布范围。实际的化学键合涉及电子共享或轨道杂化，与简单的几何接触不同。例如，填充率较低的金刚石结构具有极高的硬度，这无法仅用“硬球”模型解释，其关键在于强共价键的方向性。
其次，容易误以为参数可以独立调整。在工具中移动“最近邻距离”滑块会改变原子半径，晶格常数也会随之联动变化。但在实际材料中，晶格常数主要由元素种类决定，并非可以自由调节。例如，纯铁BCC结构（铁素体）的晶格常数约为0.286nm。若在此结构中添加直径较大的钼原子，会通过强行“拉伸”晶格来强化材料。在工具中增大BCC结构的原子半径以产生晶格畸变的操作，恰恰有助于理解这种固溶强化的机制。
最后，请注意若仅将“显示范围”局限于单胞则易失全局视野。实际材料是由数亿至数万亿个单胞聚集而成的“多晶体”，各晶粒的取向各不相同。在CAE中评估材料各向异性（强度随方向的变化）时，模拟的正是这种多晶集合体的行为。在工具中扩大显示范围以重复显示晶格，是理解从“单晶”到“多晶”概念的第一步。
本工具涉及的晶格概念直接关联到结构力学与强度分析的核心。例如，航空发动机涡轮叶片使用的镍基超合金以FCC结构为基础。在CAE热应力分析中，需将高温下原子热振动加剧导致晶格常数增大的“热膨胀”现象，以数学模型（$$a(T) = a_0(1 + \alpha \Delta T)$$）的形式嵌入，以预测叶片承受的巨大应力。若能通过NovaSolver将温度上升想象为原子间距增加，便能直观理解该模型的物理意义。
此外，这对电子工程与物性器件领域也至关重要。在硅的金刚石结构中掺入磷（原子半径约0.11nm）或硼（约0.09nm）会引起晶格畸变。这种畸变会改变电子迁移率，进而影响晶体管的开关速度。工艺CAE（TCAD）会精确计算这种掺杂引起的晶格畸变，以优化器件特性。通过工具建立不同半径原子“混合”的直观印象，是进入半导体工程领域的起点。
更进一步，在电池材料工程中，锂离子迁移的“路径”由晶格间隙（晶格间隙位点）决定。通过微调正极材料的晶体结构（掺杂或元素置换），可以拓宽这些路径，提高离子迁移速率，从而实现快速充电。在工具中观察HCP结构并关注原子间隙的视角，正是下一代电池材料设计的核心思路。
第一步建议理解“米勒指数”。这是用于表示晶体中特定晶面或晶向的数字组合，记作(1,0,0)、(1,1,1)等形式。金属变形易发生在特定滑移面（如FCC结构的{1,1,1}面），断裂也倾向于沿特定面扩展。在CAE中分析金属疲劳裂纹扩展时，晶体取向信息至关重要。请尝试从不同角度观察NovaSolver中显示的晶格，留意“哪些面上原子排列更密集”。这是学习米勒指数的第一步。
在数学层面，其背景涉及向量与矩阵运算。晶体结构可通过基矢$$\vec{a}_1, \vec{a}_2, \vec{a}_3$$的整数倍线性组合来描述所有原子位置（$$ \vec{R} = n_1\vec{a}_1 + n_2\vec{a}_2 + n_3\vec{a}_3 $$）。混合不同元素引起的晶格常数变化（维加德定律），以及晶体旋转后的取向关系，均可通过此向量运算表达。在体验3D可视化工具后，尝试将观察结果与这些公式对照，抽象的数学概念便会与具体的几何结构联系起来。
最后，推荐一个更接近工程实际的进阶主题：“相图（状态图）”。当温度或成分改变时，铁的晶体结构会从BCC（铁素体）转变为FCC（奥氏体）。这种“相变”是淬火硬化的原理。CAE热处理模拟会计算相变伴随的体积变化和残余应力。在NovaSolver中对比BCC与FCC的填充率差异（约68% vs 74%）后，可进一步探究“为何温度会改变结构？”以及“体积如何变化？”，从而深化理解。