2 M 长石矿（ABC$_2$D$_6$）晶体能量的机器学习
化学物理
2016-09-28 v3 材料科学
摘要
长石矿是无机晶体结构数据库中报道最多的四元晶体结构（AlNaKF 原型）。我们开发了一个机器学习模型，用于计算所有约 2 M 种可由主族元素（至铋为止）构成的纯净 ABCD 长石矿晶体的密度泛函理论级精度的形成能。我们模型的精度可以系统性地提升，在包含 10 k 个晶体的训练集上达到了 0.1 eV/atom 的精度。研究揭示了重要的成键趋势：氟化物最适合拟合 D 位点的配位，这会降低形成能，而碳的作用则相反。元素 A 和 B 的成键贡献平均而言非常小。低形成能源于 A 和 B 为第 (II) 族的后期元素，C 为第 (I) 族的后期元素，以及 D 为氟化物。在这 2 M 种晶体中，预测有 90 种独特结构位于凸包上，其中包括 NFAlCa，其具有特殊的化学计量比以及铝的负原子氧化态。
引用
@article{arxiv.1508.05315,
title = {Machine Learning Energies of 2 M Elpasolite (ABC$_2$D$_6$) Crystals},
author = {Felix Faber and Alexander Lindmaa and O. Anatole von Lilienfeld and Rickard Armiento},
journal= {arXiv preprint arXiv:1508.05315},
year = {2016}
}