利用氧化态探索用于合成的材料组成
材料科学
2024-05-15 v1
摘要
机器学习技术的最新进展使得利用高通量筛选来识别具有特定性质的新材料成为可能。然而，这些技术产生的大量潜在候选物使得选择最有前景的候选物变得困难。在本研究中，我们开发了氧化态概率（OSP）方法，该方法基于每个元素采用所需氧化态以满足电中性的概率（OSP指标）来评估三元化合物。我们将此模型与 Roost 和基于傅里叶变换晶体性质（FTCP）的可合成性评分进行了比较。在 Materials Project (MP) 中数据库条目最多的前1000个体系中，有超过500个体系在按 OSP 指标排名时，其前3种组成中包含一种已证实的化合物。我们发现 OSP 方法对某些类别的三元体系显示出有前景的结果，特别是那些包含非金属、s区或过渡金属的体系。在应用于热电应用中有趣的 Cu-In-Te 三元体系时，OSP 方法在无先验知识的情况下预测了 CuInTe 的可合成性，并且我们已在实验中成功合成了 CuInTe。我们的方法有望加速新化合物的发现，通过为实验人员提供指导，使其能够从任意大的可能化学组成集合中轻松选择最可合成的候选物。
引用
@article{arxiv.2405.08399,
title = {Exploring material compositions for synthesis using oxidation states},
author = {Maung Thway and Andy Paul Chen and Haiwen Dai and Jose Recatala-Gomez and Siyu Isaac Parker Tian and Ruiming Zhu and Wenhao Zhai and Fengxia Wei and D. V. Maheshwar Repaka and Tonio Buonassisi and Pieremanuele Canepa and Kedar Hippalgaonkar},
journal= {arXiv preprint arXiv:2405.08399},
year = {2024}
}
备注
11 pages, 3 figures