CSPBench：晶体结构预测基准测试与关键评估

Lai Wei; Sadman Sadeed Omee; Rongzhi Dong; Nihang Fu; Yuqi Song; Edirisuriya M. D. Siriwardane; Meiling Xu; Chris Wolverton; Jianjun Hu

CSPBench：晶体结构预测基准测试与关键评估

材料科学 2024-07-02 v1

作者: Lai Wei , Sadman Sadeed Omee , Rongzhi Dong , Nihang Fu , Yuqi Song , Edirisuriya M. D. Siriwardane , Meiling Xu , Chris Wolverton , Jianjun Hu

在 arXiv 上查看 ↗ PDF ↗

摘要

晶体结构预测 (CSP) 如今正逐渐被用于发现具有多种行业应用的新型材料。然而，尽管经过数十年的发展和显著进展，仍缺乏一套明确定义的基准数据集、定量的绩效指标以及对该领域状态的评估研究。我们旨在填补这一空白，通过引入一个包含180个测试结构的CSP基准套件，以及我们最近实现的CSP绩效指标集合来实现这一目标。我们对收录的13种最先进 (SOTA) CSP算法进行基准测试，包括基于模板的CSP算法、基于DFT计算和全局搜索的常规CSP算法（如CALYPSO）、基于机器学习势能和全局搜索的CSP算法，以及基于距离矩阵的CSP算法。我们的结果表明，当前CSP算法的性能远远不够理想。大多数算法甚至无法在应用相似模板的测试结构时识别出具有正确空间群的结构，仅模板基方法表现较好。我们还发现，基于机器学习势能的CSP算法现在能够实现与基于DFT的方法相当的性能。这类CSP算法的性能严重取决于神经势能的质量以及全局优化算法。我们的基准套件附带一个全面的开源代码库和180个精选的晶体结构，便于未来研究从评估CSP算法的优势和劣势方面进行分析。所有代码和基准数据均available at https://github.com/usccolumbia/cspbenchmark

关键词

晶体结构预测 CSP基准机器学习势能全局优化基于DFT的算法绩效指标基准数据集

引用

@article{arxiv.2407.00733,
  title  = {CSPBench: a benchmark and critical evaluation of Crystal Structure Prediction},
  author = {Lai Wei and Sadman Sadeed Omee and Rongzhi Dong and Nihang Fu and Yuqi Song and Edirisuriya M. D. Siriwardane and Meiling Xu and Chris Wolverton and Jianjun Hu},
  journal= {arXiv preprint arXiv:2407.00733},
  year   = {2024}
}

备注

26 pages

CSPBench：晶体结构预测基准测试与关键评估

摘要

关键词

引用

备注

相关论文