发现具有各向异性介电晶体的新方法——基于等变图神经网络
材料科学
2024-05-14 v1
摘要
晶体的各向异性在许多技术应用中发挥着关键作用。例如，认为各向异性的电子和热输运对热电应用有益，而各向异性的力学性能则对新兴的变形材料感兴趣，同时各向异性介电材料被建议作为暗物质探测的新平台。因此，理解和调控晶体的各向异性对于设计下一代功能材料至关重要。然而，迄今为止，大多数数据驱动方法都专注于预测标量晶体属性，例如球形平均介电张量或体积和剪切弹性模量。本文采用等变图神经网络的最新方法，开发出能够预测晶体完整介电张量的模型。我们的模型在约 6700 个介电张量的数据集上训练，实现了标量介电预测的领先精度，同时捕捉了方向响应。我们通过发现具有几乎各向同性连接但高度各向异性介电张量的晶体，展示了该模型的性能，从而拓宽了关于介电晶体结构-性质关系的了解。
引用
@article{arxiv.2405.07915,
title = {Discovery of highly anisotropic dielectric crystals with equivariant graph neural networks},
author = {Yuchen Lou and Alex M. Ganose},
journal= {arXiv preprint arXiv:2405.07915},
year = {2024}
}