基于图网络与贝叶斯优化结合的晶体结构预测
材料科学
2020-11-24 v1
摘要
我们开发了一种无需密度泛函理论的晶体结构预测方法，通过结合图网络（GN）与贝叶斯优化（BO）。采用 GN 建立晶体结构与形成焓之间的关联模型。BO 用于加速搜索具有最优形成焓的晶体结构。这种结合 GN 与 BO 的晶体结构搜索（GN-BOSS）方法原则上可在给定化学成分下预测晶体结构，而无需对晶胞形状和晶格对称性附加约束。随后通过求解经典的 Ph-vV 挑战验证了 GN-BOSS 方法的适用性与效率。它能在无任何先验下正确预测 24 种二元化合物的晶体结构，平均每个仅需约 30 分钟、仅用单 CPU 核。GN-BOSS 方法可能为无需昂贵 DFT 计算的数据驱动晶体结构预测开辟新途径。
引用
@article{arxiv.2011.10968,
title = {Crystal structure prediction via combining graph network and Bayesian optimization},
author = {Guanjian Cheng and Xin-Gao Gong and Wan-Jian Yin},
journal= {arXiv preprint arXiv:2011.10968},
year = {2020}
}