探索并机器学习预测二维材料中的结构不稳定性
材料科学
2023-03-21 v2
摘要
我们解决了在不计算周期晶体完整声子能带结构的情况下预测其零温动力学稳定性（DS）的问题。本文报道了证据表明，DS 可由布里渊区（BZ）中心与边界处的声子频率以良好可靠性推断得出。该分析是对计算二维材料数据库（C2DB）所采用 DS 检验的验证。对于 137 种动力学不稳定的二维晶体，我们沿不稳定模对原子施加位移并弛豫结构。该过程在 49 种情况下得到了动力学稳定的晶体。利用 C2DB 工作流表征了这些新结构的基本属性，发现其性质可能与原始不稳定晶体显著不同，例如平均带隙打开了 0.3 eV。所有晶体结构与性质均可在 C2DB 中获取。最后，我们使用编码晶体电子结构的表示，在 C2DB 中 3295 种二维材料的 DS 数据上训练了一个分类模型。我们获得了优异的受试者工作特征（ROC）曲线，曲线下面积（AUC）为 0.90，表明该分类模型可大幅减少高通量研究中的计算量。
引用
@article{arxiv.2201.08091,
title = {Exploring and machine learning structural instabilities in 2D materials},
author = {Simone Manti and Mark Kamper Svendsen and Nikolaj R. Knøsgaard and Peder M. Lyngby and Kristian S. Thygesen},
journal= {arXiv preprint arXiv:2201.08091},
year = {2023}
}