基于机器学习和大语言模型自动生成数据集的 2D 材料厚度预测计算工具包
材料科学
2024-05-27 v1 强关联电子
摘要
2D 材料的厚度不仅在决定纳米电子和光电子器件性能方面至关重要，也在由于这些材料固有的真空引入预测体积相关性质（如能量存储容量）的复杂性方面起到重要作用。尽管包括光学对比、拉曼光谱、非线性光谱、近场光学成像和高光谱成像等众多实验技术 facilitate 2D 材料厚度的测量，但许多材料的综合数据仍然稀缺。过去二十年间，2D 材料及其异构结构的指数级增长已超过常规实验和计算方法的能力。在这一演变背景下，机器学习（ML）作为一种必不可少的工具，提供了新的途径来增强这些传统方法。为弥补关键差距，我们引入 THICK2D - 2D 材料厚度层次推断与计算套件。该 Python 基于计算框架利用大语言模型（LLM）生成的自动厚度数据库和先进的 ML 算法来 facilitate 仅依赖晶体学数据快速可扩展的材料厚度估计。为展示 THICK2D 的实用性和鲁棒性，我们成功地利用该工具预测了超过 8000 种 2D 基材料的厚度，这些材料来源于两个广泛的 2D 材料数据库。THICK2D 以开源工具形式分发，可在 GitHub https://github.com/gmp007/THICK2D 上获取，亦已存档于 Zenodo https://doi.org/10.5281/zenodo.11216648。
引用
@article{arxiv.2405.15131,
title = {Computational toolkit for predicting thickness of 2D materials using machine learning and autogenerated dataset by large language model},
author = {Chinedu Ekuma},
journal= {arXiv preprint arXiv:2405.15131},
year = {2024}
}