利用无监督材料指纹中隐藏的晶体结构信息对无序钙钛矿氧化物进行类比发现
材料科学
2021-05-26 v1 无序系统与神经网络
人工智能
摘要
组分无序在钙钛矿中诱发了无数引人入胜的现象。由于无序带来的分析复杂性，目标驱动地发现钙钛矿固溶体一直是一项巨大挑战。在此，我们展示一种无监督深度学习策略能够发现无序材料的指纹，这些指纹通过学习仅来自化学组成（体现为 (A1-xA'x)BO3 和 A(B1-xB'x)O3 化学式）而嵌入了钙钛矿可形成性及底层晶体结构信息。该现象可被利用来预测实验组分的晶体对称性，优于若干监督机器学习（ML）算法。材料指纹所蕴含的知识催生了类比材料发现的概念，其基于与已知材料的相似性研究来促进有前景钙钛矿的反向探索。未研究钙钛矿的搜索空间利用实验数据驱动的 ML 模型和自动化网络挖掘工具从约 600,000 种可行化合物中筛选，成功率达 94%。该概念进一步为复杂组分的潜在相变与计算建模提供了见解。所提出的材料类比定量分析有望弥合现有材料文献与未探索领域之间的鸿沟。
引用
@article{arxiv.2105.11877,
title = {Analogical discovery of disordered perovskite oxides by crystal structure information hidden in unsupervised material fingerprints},
author = {Achintha Ihalage and Yang Hao},
journal= {arXiv preprint arXiv:2105.11877},
year = {2021}
}