图深度学习加速高效晶体结构搜索与特征提取
材料科学
2023-02-08 v1
摘要
结构搜索与特征提取是现代材料设计的核心课题，其目前效率有限，但有望通过机器学习 (ML) 得到提升。在此，我们开发了一个基于 ML 的预测分析框架，该框架包含一个基于对称性的组合晶体优化程序 (SCCOP) 和一个特征加性归因模型，旨在显著降低计算成本并提取与性质相关的结构特征。我们的方法具有高准确度与预测性，并能从目标结构中提取结构特征以指导材料设计。作为案例研究，我们将这一新方法应用于二维 B-C-N 体系，在 82 种组成中识别出 28 种此前未发现的稳定结构；我们的分析进一步确立了对能量和带隙贡献最大的结构特征。与传统方法相比，SCCOP 在保持相当准确度的同时速度快约 10 倍。我们的新框架普遍适用于所有类型的系统以进行精确高效的结构搜索，为 ML 提取的结构特征与物理性质之间的关系提供了新见解。
引用
@article{arxiv.2302.03331,
title = {Graph deep learning accelerated efficient crystal structure search and feature extraction},
author = {Chuannan Li and Hanpu Liang and Xie Zhang and Zijing Lin and Su-Huai Wei},
journal= {arXiv preprint arXiv:2302.03331},
year = {2023}
}