用于预测无机晶体电子性质的通用片段描述符

历史上，材料发现一直由繁重的试错过程驱动。材料数据库的增长与新兴信息学方法最终提供了将这一实践转变为数据和知识驱动的理性设计的机会。通过使用来自 AFLOW 存储库的高通量第一性原理计算数据，我们生成了定量材料结构-性质关系（QMSPR）模型，以预测八种关键的电子与热力学机械材料性质，例如金属/绝缘体分类、带隙能、体模量与剪切模量、德拜温度以及热容。这些 QMSPR 模型所获得的预测精度对于几乎任意化学计量无机晶体材料均接近训练数据。这些模型的成功与普适性归因于新材料描述符的构建——称为通用属性标记材料片段（PLMF）。该表示仅需极小的结构输入，并能够以指导理性材料设计的简单启发式设计规则进行直接的模型解释。本研究展示了材料信息学在大幅加速新材料搜索方面的力量。