选择性随机结构搜索（SRSS）：晶体中多形物种的无偏探索
材料科学
2026-04-24 v2
摘要
晶体结构预测传统上依赖于基于原型的初始化方法，这些方法常常偏向于已知低能势垒，忽略具有非传统对称性的亚稳态多形物种。本文引入选择性随机结构搜索 (SRSS)，一种高通量、无偏框架，旨在跨所有维度探索晶体材料的构象空间。SRSS结合了受称约束的随机生成、基于特征的多样性选择以及通过通用机器学习原子势能 (uMLIPs) 的快速松弛与稳定性评估。应用于多种系统，包括bulk系统SiC和BaPtAs、2D层状化合物NbSe2以及1D纳米管GaN，SRSS成功恢复了已知的基态，同时发现大量此前未报道的、动力学上稳定的多形物种。值得注意的是发现了复杂的孔状SiC多形物种、超出实验记录的低能BaPtAs多形物种、2D-NbSe2的半导体正交相，以及不同的armchair/zigzag GaN纳米管。关键的是，整个工作流程在标准CPU资源上即可高效运行，无需GPU加速，表明即使在资源受限的环境中也能实现严谨、无假设的多形物种发现。SRSS因此为映射晶体稳定性的完整图景提供了稳健、可扩展的平台，弥合了穷尽搜索与计算可行性之间的鸿沟。
引用
@article{arxiv.2604.08972,
title = {Selective Random Structure Search (SRSS): Unbiased Exploration of Polymorphs in Crystals},
author = {Jiexi Song and Diwei Shi and Aixian She and Chongde Cao and Fengyuan Xuan},
journal= {arXiv preprint arXiv:2604.08972},
year = {2026}
}