Sep, 2023

利用神经网络势能和年龄适应 Pareto 遗传算法进行晶体结构预测

PDF
TL;DR使用 ParetoCSP 算法和神经网络相互作用势模型，结合多目标遗传算法（MOGA）和全局通用相互作用势模型（IAP），准确预测晶体结构和化学组合。与现有算法相比，ParetoCSP 在性能和结构有效性方面表现出更好的预测能力。
发现论文，激发创造
  • 数据驱动的晶体结构预测的潜在保守目标模型

    在本文中，我们通过建立基于现有晶体结构数据库的晶体形成能量的代理模型，并对其参数进行优化的方法，提出了一种替代的数据驱动晶体结构预测方法。通过在晶体结构的非欧几里得空间中进行优化，我们展示了该方法在结构预测成功率方面与最佳现有方法相当，并大幅度减少了计算成本。

    Oct, 2023

  • AlphaCrystal-II：基于距离矩阵的晶体结构预测与深度学习

    AlphaCrystal-II 利用已知的晶体结构中丰富的原子间相互作用模式，预测目标晶体材料的原子距离矩阵，并利用该矩阵重构其三维晶体结构，通过全面的实验验证，展示了数据驱动方法在加速新材料的发现和设计中的潜力。

    Apr, 2024

  • 基于数据驱动的评分模型生成具有自适应晶胞的稳定结构

    使用机器学习生成模型生成具有所需性质（如化学稳定性和指定化学组成）的新晶体结构，并展示其在不同化学体系和晶体群中生成新候选结构的功能。

    Oct, 2023

  • 生成对抗网络在晶体结构预测中的应用

    本文提出并应用了一种基于生成对抗网络的晶体结构生成模型，经过高通量虚拟筛选，成功预测出 23 个具有良好光稳定性和能隙的新型结晶体结构，并在化学空间中发现了未知的化学结构。

    Apr, 2020

  • 关于晶体结构预测能量最小化困难性的研究

    本研究探讨晶体结构预测（CSP）相关问题，并采用形式证明的方式证明了此类问题为 NP-Hard 问题。重点研究了去除部分离子以得到最小电位能的问题。研究结果为三维欧几里得空间中嵌入加权图的计算问题分析做出了重要贡献。

    Oct, 2019

  • 适用于周期表的通用图深度学习原子间势能

    本文利用图神经网络，构建了一种适用于物质结构松弛、动态模拟和性质预测的万能相互作用势能模型，通过对 3100 万理论晶体结构的筛选，最终确定了大约 1578 种稳定的具有异常材料特性的合成材料。

    Feb, 2022

  • CALYPSO: 晶体结构预测方法

    本文介绍了 CALYPSO 软件包（晶体结构粒子群优化分析），通过多种重要技术（例如粒子群优化算法、对称性约束、结构生成、惩罚函数等）从零开始全局最小化粒子，以预测给定化学组成和外部条件下（例如压力）材料的稳定 / 亚稳结构，该软件包已被证明在许多已知和未知系统上的高效率和高成功率。

    May, 2012

  • 联合等变扩散方法的晶体结构预测

    DiffCSP 是一种新颖的扩散模型，它通过使用周期性 E (3)- 等变去噪模型联合生成晶体的晶格和原子坐标，以更好地建模晶体几何结构，并在计算成本更低的情况下显著优于现有的结晶结构预测方法，包括从头开始的晶体生成。

    Jul, 2023

  • 为硅开发通用的原子间位能机器学习模型

    本文提出了一种使用基于机器学习思想的高斯近似势的方法，成功地对硅材料进行了量子力学计算，从而在材料领域实现了第一性原理电子结构计算与机器学习的结合。

    May, 2018

  • NSGA-Net：使用多目标遗传算法的神经结构搜索

    本文介绍了 NSGA-Net，一种多目标优化的神经架构搜索算法，它通过使用前人先验知识，遗传算法（交叉和突变）以及贝叶斯网络等方式实现了对潜在神经网络结构的高效探索，从而找到一组多样的交换网络体系结构，并在 CIFAR-10 数据集上取得了与当前最先进的 NAS 方法相媲美的性能。

    Oct, 2018