基于机器学习加速晶体结构搜索预测的 novel 超硬氮化钨
材料科学
2018-11-30 v1 计算物理
摘要
过渡金属氮化物被认为兼具高硬度与良好热稳定性，具有较大潜在应用价值，但迄今稳定的超硬过渡金属氮化物尚未被合成。本文利用我们新开发的机器学习加速晶体结构搜索方法，设计了一种超硬氮化钨 h-WN6，其可在约 65 GPa 压力下合成并可淬灭至常压。该 h-WN6 由单键连接的 N6 环构成并呈现类离子特征，可表述为 W2.4+N62.4-。其在 0 GPa 下带隙为 1.6 eV，并表现出反常的加压带隙展宽行为。令人振奋的是，该 h-WN6 是迄今已知过渡金属氮化物中最硬的（维氏硬度约 57 GPa），且具很高熔点（约 1900 K）。这些预测支持了设计规则，并可能激励未来实验合成超硬材料。
引用
@article{arxiv.1802.05377,
title = {A novel superhard tungsten nitride predicted by machine-learning accelerated crystal structure searching},
author = {Kang Xia and Hao Gao and Cong Liu and Jian Sun and Hui-Tian Wang and Dingyu Xing},
journal= {arXiv preprint arXiv:1802.05377},
year = {2018}
}
备注
19 pages, 4 figures (Email: [email protected])