结构导向的平带二维材料学习
材料科学
2025-06-10 v1 介观与纳米尺度物理
摘要
平坦电子能带增强了电子-电子相互作用，导致出现非凡超导性或分数拓扑相等相关状态。然而，当前大多数平带材料发现努力依赖于密度泛函理论(DFT)计算和手动能带结构检查，限制了其针对广泛未探索材料空间的适用性。虽然数据驱动方法提供了可扩展的替代方案，但大多数现有模型要么依赖能带输入，要么聚焦于如能隙等标量属性，无法捕捉平带特征。本文报告了一种结构导向的平带二维(2D)材料发现框架，该框架结合了捕捉能带色散和态密度特征的平坦度评分，并从原子结构输入进行多模态学习。该框架成功识别了多个平带候选材料，DFT验证基于六角形结构的系统后确认了能带的平坦性和拓扑特性。我们的结果表明，平坦度评分为从原子几何结构识别平带提供了物理上有意义的信号。该框架从无标签数据中发现了多个具有拓扑非平凡平带的新候选材料，结构上各异异材料的模型性能表现一致。通过消除对预计算电子结构的需求，本方法使平带材料的大规模筛选成为可能，拓展了发现强相关量子材料的搜索空间。
引用
@article{arxiv.2506.07518,
title = {Structure-Informed Learning of Flat Band 2D Materials},
author = {Xiangwen Wang and Yihao Wei and Anupam Bhattacharya and Qian Yang and Artem Mishchenko},
journal= {arXiv preprint arXiv:2506.07518},
year = {2025}
}