面向固态材料的量子化学成键数据库
材料科学
2023-09-19 v2 计算物理
摘要
深入理解单个化学键的化学性质与本质对于认识材料至关重要。因此,成键分析有望为材料性质的大规模数据分析与机器学习提供重要特征。此类化学成键信息可利用 LOBSTER 软件包进行计算,该软件通过将基于平面波的波函数投影到局域原子轨道基组上,对现代密度泛函理论数据进行后处理。借助全自动工作流,使用 VASP 与 LOBSTER 软件包生成数据。随后我们对 1520 种化合物(绝缘体与半导体)进行成键分析,并将结果以数据库形式提供。文中亦说明了便于数据检索的成键分析数据库的库结构。投影态密度与成键指标分别基于标准密度泛函理论计算与现有启发式规则进行了基准测试。最后,我们通过构建声子性质的机器学习模型展示了成键描述符的预测能力,与仅不依赖任何量子化学成键特征的基准模型相比,其预测精度(平均绝对误差)提高了 27%。
引用
@article{arxiv.2304.02726,
title = {A Quantum-Chemical Bonding Database for Solid-State Materials},
author = {Aakash Ashok Naik and Christina Ertural and Nidal Dhamrait and Philipp Benner and Janine George},
journal= {arXiv preprint arXiv:2304.02726},
year = {2023}
}
备注
20 pages, 6 main figures