基于等变图神经网络与相关性分类发现自旋-交叉材料候选
无序系统与神经网络
2025-02-11 v2 材料科学
摘要
快速发现具备量子信息设备潜在应用价值的自旋-交叉材料，需要有效识别合适双稳态材料的技术方法。为此，我们筛选了剑桥结构数据库，构建了包含1,439种材料的专用数据库，并对每种材料计算了自旋转换能。该数据库用于训练等变图卷积神经网络，以预测自旋转换能的大小。测试平均绝对误差为360 meV。对于候选识别，我们采用相关性分类器。该方法相较于传统高通量筛选，使潜在自旋-交叉系统的识别效率提升近四倍。
引用
@article{arxiv.2501.05341,
title = {Discovery of Spin-Crossover Candidates with Equivariant Graph Neural Networks and Relevance-Based Classification},
author = {Angel Albavera-Mata and Pawan Prakash and Jason B. Gibson and Eric Fonseca and Sijin Ren and Xiao-Guang Zhang and Hai-Ping Cheng and Michael Shatruk and S. B. Trickey and Richard G. Hennig},
journal= {arXiv preprint arXiv:2501.05341},
year = {2025}
}