基于进化算法的材料信息学：在超导氢化物搜索中的应用

我们提出一种基于遗传算法与遗传编程、用于搜索超导氢化物的材料信息学方法。该方法包含四个阶段：(i) 通过遗传算法搜索材料的稳定晶体结构，(ii) 通过第一性原理计算收集物理与化学性质数据，(iii) 基于数据库通过遗传编程开发超导性预测器，(iv) 通过回归分析发现潜在候选材料。通过反复执行 (i) $\rightarrow$ (ii) $\rightarrow$ (iii) $\rightarrow$ (iv) $\rightarrow$ (i) $\rightarrow$ $\dots$ 流程，所发现候选材料的超导性由第一性原理计算验证，且数据库与预测器得以进一步改进，从而实现高效的超导材料搜索。我们将该方法应用于假想三元氢化物，预测出具有调制氢笼的 KScH$_{12}$（在 300 GPa 下超导临界温度为 122 K）以及 GaAsH$_{6}$（在 180 GPa 下为 98 K）。