在量子化学与材料科学的计算领域，Hartree-Fock方法曾是研究多电子体系的重要工具。它通过单电子近似构建波函数并进行数值求解，为理解电子结构奠定了基础。然而，随着研究体系的复杂化，其局限性逐渐显现——不仅难以准确描述电子相关效应，计算量还会随体系规模急剧增加，这限制了它在复杂材料研究中的应用。如今，密度泛函理论（DFT）作为现代第一性原理计算的核心方法，正逐步成为解决这一难题的关键。
DFT的核心创新在于将传统方法依赖的波函数简化为电子密度。对于包含N个电子的体系，波函数是3N维的复杂函数，而电子密度仅需三个空间坐标（x,y,z）即可描述电子分布。这种转变显著降低了计算复杂度，使大规模体系的模拟成为可能。其理论基石霍亨伯格-孔恩定理指出，电子密度与外部势能存在唯一对应关系，这意味着通过基态电子密度可推导出体系的所有物理性质。
尽管DFT简化了问题，但直接通过电子密度计算能量仍面临挑战。Kohn和Sham提出的Kohn-Sham方程为此提供了解决方案。该方法假设存在一个虚构的“非相互作用电子系统”，其基态电子密度与真实系统相同。通过求解一组单电子方程，可同时获得电子密度和体系能量。其中，交换-关联能（XC能）是关键部分，它包含了所有电子-电子相互作用的复杂效应，也是理论发展的核心难点。
由于XC能的精确表达式未知，实际计算中需依赖近似模型。最早的局部密度近似（LDA）假设体系每一点的电子密度与均匀电子气体相同，计算效率高但精度有限。广义梯度近似（GGA）在此基础上引入电子密度梯度修正，显著提升了分子几何结构和反应能的预测精度，成为当前最常用的近似之一。更高级的meta-GGA和混合泛函（如B3LYP）则进一步结合动能密度或Hartree-Fock精确交换项，在精度上取得突破，但计算成本也相应增加。
DFT的高效性与可靠性使其在多个领域得到广泛应用。在材料科学中，它被用于预测半导体、光电材料的电子结构、带隙和磁性，为新型材料设计提供理论支持；计算化学领域则借助DFT研究分子几何结构、反应机理和光谱性质，助力药物开发和有机合成机理分析；电催化与光催化研究中，DFT可揭示反应路径、计算能垒，筛选高活性催化剂（如CO2还原和水煤气变换反应）；电化学界面模拟中，DFT结合机器学习技术，解决了能带弯曲和电子转移问题，加速了新材料发现进程；气体传感器设计方面，DFT通过模拟气体分子与传感材料的相互作用，为高灵敏度传感器的开发提供了理论依据。
尽管DFT已发展成熟，但在处理激发态、强关联体系（如过渡金属化合物）时仍面临挑战。针对这些问题，科研人员提出了多态密度泛函理论（MSDFT），通过引入矩阵密度作为基本变量，结合非正交态相互作用算法和最小活性空间概念，成功解决了激发态计算中的根本性困难。机器学习与DFT的结合成为新趋势——利用DFT生成的大规模数据训练模型，可快速预测d带中心、吸附能等关键参数，显著提升催化剂筛选效率。随着计算能力的提升，研究者正致力于开发更高精度的泛函和方法，以更准确地描述范德华力、电子-电洞耦合等微观效应。
