TCSP 2.0：基于模板的晶体结构预测方法，改进氧化态预测与化学启发式规则
材料科学
2025-04-01 v1
摘要
晶体结构预测是材料科学中的重要挑战，直接影响下一代材料的发现与开发。我们介绍了TCSP 2.0，这是我们基于模板的晶体结构预测框架的重大升级版，通过在主要组件中集成多项关键技术，实现了预测能力的提升。基于TCSP 1.0的模板匹配基础，本升级版实现了三项关键创新：(1) 用基于深度学习的BERTOS模型取代Pymatgen进行氧化态预测，性能显著提升；(2) 实现精妙的元素嵌入距离度量，以改进化学相似性评估；(3) 开发稳健的多数投票机制用于空间群选择，降低预测不确定性。TCSP 2.0还通过引入Materials Cloud、C2DB和GNoME数据库中的模板结构，扩展了模板库，同时保留原有的Materials Project存储库，构建更为全面的结构基础。对CSPBenchmark中180个多样化测试案例的严格验证表明，TCSP 2.0表现卓越，实现了83.89%的空间群成功率和78.33%的结构相似度准确率（基于Top-5预测），显著优于其前身以及包括CSPML和EquiCSP在内的竞争性现代CSP算法。
引用
@article{arxiv.2503.23183,
title = {TCSP 2.0: Template Based Crystal Structure Prediction with Improved Oxidation State Prediction and Chemistry Heuristics},
author = {Lai Wei and Rongzhi Dong and Nihang Fu and Sadman Sadeed Omee and Jianjun Hu},
journal= {arXiv preprint arXiv:2503.23183},
year = {2025}
}
备注
15 pages