一种自动生成用于材料相空间探索的最小结构模板基组的方法

我们提出了一种通过自动构建最小代表性模板基组来预测二元相图的新方法。核心假设是任何材料空间都可以划分为少数几个具有相似化学趋势和键合性质的区域，并且一个最小的模板集可以有效地代表不同区域的关键化学趋势。通过将数据驱动技术与从头算晶体结构预测相结合，我们可以有效地划分材料空间并构建反映化学行为变化的模板。初步结果表明，我们的方法预测二元凸包的准确性与资源密集型的进化算法搜索相当，同时计算时间显著减少（减少了 25 倍）。该方法可以扩展到三元和多组分系统，从而实现复杂材料空间的高通量探索和映射。通过为高通量材料发现提供变革性的解决方案，我们的方法为发现先进量子材料铺平了道路，并加速了计算机模拟设计。