Oct, 2023

利用深度学习预测非晶物质中的晶体生成

PDF
TL;DR通过使用通用深度学习模型在微观层面对无机化学中的非晶态结构进行结晶途径采样，我们展示了可以高精度地预测非晶态前体起始生成的多态结晶体结构，跨包括多态氧化物、氮化物、碳化物、氟化物、氯化物、硫化物和金属合金在内的多样化材料体系，从而表明奥斯瓦尔德阶段定律可以在分子层面上机械化地用于材料合成中可预测地获得新的亚稳相晶体。
crystallizationmetastable crystalsamorphous phasesdeep learning potentialsmaterial synthesis
发现论文，激发创造
  • 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

  • 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

  • 多孔晶体材料的等变网络

    本文基于 Deep Learning 方法，开发一个新模型，能够更加有效的预测含有孔隙结构的晶体物质的热吸附性能，该模型能够考虑到晶体的空间对称性和孔隙结构，并且在实验验证中表现良好。

    Apr, 2023

  • 使用机器学习辅助进化算法对非晶态 LixSi 构建基于一级原理的相图

    利用基于人工神经网络的专用机器学习电势和遗传算法结合的方法加速了无定形和无序材料的采样，此方法在第一原理建模无定形材料中很实用。

    Feb, 2018

  • 一般性用途的无机材料属性预测机器学习框架

    该研究论文介绍了一种新的机器学习框架，用于从现有的材料数据中提取预测模型，方法是使用具有化学多样性的属性列表，并将数据集分成相似材料组，提高预测准确度，可用于预测晶态和非晶材料的多种属性。

    Jun, 2016

  • 加速无机表面的机器学习预测与原子间势

    固态材料的表面性质对其功能起着重要作用，表面性质是由材料合成或操作条件决定的，计算表面科学方法和机器学习算法在研究复杂的纳米尺度的无机表面具有很大的潜力。

    Dec, 2023

  • 晶体材料生成的统一模型

    本论文提出了两个使用周期等变建筑同时作用于晶体晶格和原子位置的统一模型，具有学习任意晶体晶格变形并将总能量降至热力学稳定性的能力。

    Jun, 2023

  • 机器学习统一材料和分子建模

    本研究基于局部化学环境和贝叶斯统计学习的机器学习模型，提供了一个统一的框架，可以预测原子尺度的稳定性和不同类别的分子的化学精度，可以区分活性和非活性的蛋白质配体，这种方法可以对材料和分子的势能面提供新的洞察。

    Jun, 2017

  • 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

  • 借助扩散模型的光谱引导下对无序材料的三维结构发现

    通过扩散模型，我们提出了一个基于生成式机器学习的新框架，用于从目标性质预测无序材料的三维结构。我们应用该模型来识别非晶碳的原子结构，通过 XANES 光谱引导条件生成，并展示了其生成大规模结构的能力。这一工作极大地弥合了材料表征和原子结构确定之间的差距，并可用于探索各种材料性质的材料发现。

    Dec, 2023