离散且变维构型空间中的全局优化：以原子内聚最强的晶体为例
材料科学
2025-03-03 v1 机器学习
摘要
我们提出了一种计算方法，用于在涉及原子组成、化学计量比和晶体结构的完整构型空间中优化目标物理性质。该方法结合了晶体图神经网络的通用势与贝叶斯优化。所提方法能从所有可能晶体中有效获得原子内聚最强的晶体结构。我们识别了若干具有高原子内聚的新晶体，并通过密度泛函理论确认了其热力学与动力学稳定性。我们的方法为具有附加功能特性的逆向材料设计提供了一种新途径，可用于实际应用。
引用
@article{arxiv.2302.13537,
title = {Global optimization in the discrete and variable-dimension conformational space: The case of crystal with the strongest atomic cohesion},
author = {Guanjian Cheng and Xin-Gao Gong and Wan-Jian Yin},
journal= {arXiv preprint arXiv:2302.13537},
year = {2025}
}