单层二维材料数据库(ML2DDB)及其应用
材料科学
2025-07-02 v1 介观与纳米尺度物理
摘要
具有量身调制特性的二维材料的发现对于满足柔性电子、光电子、催化剂和能源存储领域日益增长的高性能应用需求至关重要。然而，当前的二维材料数据库受限于规模有限和成分多样性不足。在本研究中，我们引入一种可扩展的主动学习工作流程，将深度神经网络与密度泛函理论(DFT)计算相集成，以高效地探索广泛的候选结构集合。通过物理信息驱动的元素替代策略生成这些结构，实现了对稳定二维材料的广泛且系统的发现。通过六次迭代筛选，我们建立了单层二维材料数据库(ML2DDB)，其中包含242,546个经过DFT验证的稳定结构——超过已知最大二维材料数据库的一个数量级。特别地，三元和四元化合物的数量增长最为显著。将该数据库与生成式扩散模型相结合，我们在指定化学和对称约束下Demonstrated了有效的结构生成。该工作实现了一个二维材料数据扩展与应用的有机相互联系的循环，为发现新材料提供了新的范式。
引用
@article{arxiv.2507.00584,
title = {Monolayer Two-dimensional Materials Database (ML2DDB) and Applications},
author = {Zhongwei Liu and Zhimin Zhang and Xuwei Liu and Mingjia Yao and Xin He and Yuanhui Sun and Xin Chen and Lijun Zhang},
journal= {arXiv preprint arXiv:2507.00584},
year = {2025}
}