基于回归生成对抗网络的石墨烯/氮化硼杂化材料逆向结构设计
计算物理
2019-08-22 v1 材料科学
应用物理
摘要
具有所需特性的材料的逆向设计目前费时费力，且严重依赖研究人员通过试错过程的直觉。由于组成元素及其结构配置产生的巨大组合空间过于庞大，即使通过高通量计算也无法全部搜索。本文中，我们展示了一种新颖的回归生成对抗网络 (RGAN)，用于代表性二维材料——石墨烯和氮化硼 (BN) 杂化材料的逆向设计。所提出的 RGAN 的一个显著创新在于，它将有监督的回归卷积神经网络 (CNN) 与传统的无监督 GAN 相结合，从而克服了传统 GAN 无法生成与给定连续定量标签相关联的数据这一常见技术障碍。所提出的 RGAN 能够自主生成具有任意给定带隙的石墨烯/BN 杂化材料。此外，生成的结构表现出高保真度，经密度泛函理论 (DFT) 计算交叉验证，其带隙与目标带隙的平均绝对误差在约 10% 以内。通过主成分分析 (PCA) 和改进的局部线性嵌入 (MLLE) 方法对回归器编码的潜在特征进行进一步分析表明，生成器成功生成了遵循真实结构统计分布的结构。这意味着 RGAN 有可能识别隐藏在高维数据中的物理规则。这种新的逆向设计方法将加速其他二维材料乃至更广泛材料的发现与开发。
引用
@article{arxiv.1908.07959,
title = {Inverse Structural Design of Graphene/Boron Nitride Hybrids by Regressional GAN},
author = {Yuan Dong and Dawei Li and Chi Zhang and Chuhan Wu and Hong Wang and Ming Xin and Jianlin Cheng and Jian Lin},
journal= {arXiv preprint arXiv:1908.07959},
year = {2019}
}