基于机器学习势能进行压力下铋基二元体系的系统全局结构搜索
材料科学
2025-11-10 v1 计算物理
摘要
机器学习势能（MLPs）显著推动了全球晶体结构预测，使其能够高效且准确地进行属性评估。在本研究中，对11个铋基二元体系（包括Na-Bi、Ca-Bi和Eu-Bi）在0至20 GPa压力范围内进行全局结构搜索，采用专为这些系统开发的多项式MLPs。搜索结果发现了许多文献中未报道的化合物，并确认了所有在所探索的配置空间内可表示的实验已知化合物。这些结果凸显了当前MLP基于结构搜索的鲁棒性和可靠性。该研究为在室温和高压条件下发现和设计新型铋基材料提供了宝贵的见解。
引用
@article{arxiv.2511.05188,
title = {Systematic global structure search of bismuth-based binary systems under pressure using machine learning potentials},
author = {Hayato Wakai and Shintaro Ishiwata and Atsuto Seko},
journal= {arXiv preprint arXiv:2511.05188},
year = {2025}
}
备注
REVTeX 4-2; 22 pages, 13 figures, and 15 tables in the main text; 13 pages, 22 figures, and 1 table in the supplemental material