#今日论文推荐# 人工智能应对材料结构预测的挑战，通过无坐标粗粒化快速发现稳定材料

#今日论文推荐# 人工智能应对材料结构预测的挑战，通过无坐标粗粒化快速发现稳定材料

材料科学的一个基本挑战是阐明化学计量、稳定性、结构和性质之间的关系。最近的进展表明，机器学习可用于学习这种关系，从而可以准确预测材料的稳定性和功能特性。然而，这些方法中的大多数使用原子坐标作为输入，因此在研究以前未识别的材料时会受到晶体结构识别的限制。

剑桥大学的研究人员提出了新方法，通过将原子坐标的无限搜索空间粗化到组合可枚举的搜索空间中来解决这个瓶颈。关键思想是使用 Wyckoff 表示，晶体中对称相关位置的无坐标集，作为机器学习模型的输入。

该模型证明了在寻找未知的理论上稳定的材料方面具有极高的精度，仅从 5675 次从头算计算中识别出位于先前计算材料的已知凸包之下的 1569 种材料。

该研究以「Rapid discovery of stable materials by coordinate-free coarse graining」为题，于 2022 年 7 月 27 日发布在《Science Advances》。

论文题目：Rapid discovery of stable materials by coordinate-free coarse graining
详细解读：https://www.aminer.cn/research_report/62eb3b887cb68b460ffb40c8https://www.aminer.cn/research_report/62eb3b887cb68b460ffb40c8
AMiner链接：https://www.aminer.cn/?f=cs