基于可逆神经网络的反向设计二维材料
材料科学
2021-06-08 v1 机器学习
摘要
能够按需便捷地设计具有选定功能性质的新型材料代表了材料发现的新前沿。然而，以计算可行的方式彻底且高效地采样整个设计空间仍是一项极具挑战的任务。为应对此问题，我们提出了一种利用可逆神经网络的反向设计框架（MatDesINNe），其可在设计空间与目标性质之间映射正向与逆向过程。该方法可用于为指定性质生成材料候选，从而满足备受渴求的反向设计目标。我们将此框架应用于二维材料的带隙工程任务，以 MoS2 为起点。在涵盖拉伸、压缩和剪切应变外加外电场共六个自由度的设计空间中，我们表明该框架可生成具有高保真度、多样性且接近化学精度的新型候选材料。我们进一步扩展了该生成能力，以提供关于 MoS2 中金属-绝缘体转变的见解（这对忆阻神经形态应用等十分重要），而这是暴力筛选无法做到的。该方法是通用的，可直接扩展至其他材料及其相应设计空间与目标性质。
引用
@article{arxiv.2106.03013,
title = {Inverse design of two-dimensional materials with invertible neural networks},
author = {Victor Fung and Jiaxin Zhang and Guoxiang Hu and P. Ganesh and Bobby G. Sumpter},
journal= {arXiv preprint arXiv:2106.03013},
year = {2021}
}