人工智能时代的晶体材料发现
计算工程、金融与科学
2026-02-11 v5
摘要
具有对称和周期性结构的晶体材料展现出广泛的性质，并已广泛应用于电子、能源等众多领域。对于晶体材料发现而言，传统的实验和计算方法耗时且昂贵。近年来，得益于晶体材料数据的爆炸式增长，数据驱动的材料发现引起了极大的兴趣。特别是，最近的进展利用深度学习的强大表征能力来模拟晶体材料内高度复杂的原子系统，为快速、准确的材料发现开辟了新途径。这些工作通常聚焦于四类任务，包括物理化学性质预测、晶体材料合成、辅助表征和加速理论计算。尽管取得了显著进展，但仍缺乏系统性的研究来总结它们的区别和局限性。为填补这一空白，我们系统地调查了近年来取得的进展。我们首先介绍了几种晶体材料的数据表示。基于这些表示，我们总结了各种基础深度学习模型及其在各种材料发现任务中的定制化应用。最后，我们强调了剩余的挑战并提出了未来的方向。
引用
@article{arxiv.2408.08044,
title = {Crystalline Material Discovery in the Era of Artificial Intelligence},
author = {Zhenzhong Wang and Haowei Hua and Wanyu Lin and Ming Yang and Kay Chen Tan},
journal= {arXiv preprint arXiv:2408.08044},
year = {2026}
}