无机化合物异常声子性质的数据库与深度学习可扩展性——基于自动化粗暴第一性原理计算
材料科学
2025-12-17 v2
摘要
理解晶体化合物的异常声子性质——如声子寿命和热导率——对于研究和优化其热力学传输行为至关重要。这些性质还通过声子与其他准粒子和场之间的相互作用影响光学、电子和磁特性。在本研究中，我们开发了一个自动化的第一性原理工作流程，用于计算异常声子性质，并构建了一个涵盖超过6000种无机化合物的综合数据库。利用该数据集，我们训练了一个图神经网络模型，从结构参数预测热导率值和光谱，演示了随训练数据大小增加而预测准确度提高的扩展规律。高通量筛选模型使我们能够识别具有极端热导率（既高又低）的材料。 resulting database 为理解声子的异常行为提供了宝贵的见解，从而加速了先进功能材料的设计和开发。
引用
@article{arxiv.2504.21245,
title = {Database and deep-learning scalability of anharmonic phonon properties by automated brute-force first-principles calculations},
author = {Masato Ohnishi and Tianqi Deng and Pol Torres and Zhihao Xu and Terumasa Tadano and Haoming Zhang and Wei Nong and Masatoshi Hanai and Zeyu Wang and Zhiting Tian and Ming Hu and Xiulin Ruan and Ryo Yoshida and Toyotaro Suzumura and Lucas Lindsay and Alan J. H. McGaughey and Tengfei Luo and Kedar Hippalgaonkar and Junichiro Shiomi},
journal= {arXiv preprint arXiv:2504.21245},
year = {2025}
}