机器学习引导的非氧化物石榴石高通量搜索
材料科学
2022-08-30 v1 机器学习
摘要
石榴石自人类文明早期便已为人所知，并在磁致伸缩、自旋电子学、锂电池等现代技术中有重要应用。实验已知的石榴石绝大多数为氧化物，而对其余化学空间的探索（实验或理论）范围有限。一个关键问题是石榴石结构具有较大的原胞，需要海量计算资源。为对完整化学空间进行全面搜索以发现新石榴石，我们将图神经网络的最新进展与高通量计算相结合。我们先应用机器学习模型识别潜在的（亚）稳定石榴石体系，再通过系统的密度泛函计算验证预测。以此方式，我们发现了600多种距凸包距离低于100 meV/atom、具有多种物理和化学性质的三元石榴石，包括硫化物、氮化物和卤化物石榴石。针对这些石榴石，我们分析了电子结构并讨论了电子带隙值与电荷平衡之间的联系。
引用
@article{arxiv.2208.13742,
title = {Machine Learning guided high-throughput search of non-oxide garnets},
author = {Jonathan Schmidt and Haichen Wang and Georg Schmidt and Miguel Marques},
journal= {arXiv preprint arXiv:2208.13742},
year = {2022}
}