来源丨ScienceAI

晶体结构预测（CSP）的目标是使用给定分子（包括中性分子和离子）的结构，预测出一定温度和压力条件下热稳定性最好的晶体结构。晶体结构预测是凝聚态化学科学中长期以来面临的挑战。机器学习（ML）最近应用于材料的性质预测。

近日，来自复旦大学物理学系龚新高院士和苏州大学能源学院尹万健教授带领的研究团队，报告了一种用于CSP的机器学习方法，使用图网络(graphnetwork，GN)在给定数据库中建立晶体结构和形成焓之间的相关模型，并使用优化算法（OA）加速寻找具有最低形成焓的晶体结构。

所用方法的框架（数据库+GN模型+OA）是灵活的。该方法中GN、数据库和OA的灵活性促进了该方法的进一步发展和改进。这项研究可能为数据驱动的CSP开辟一条新途径。

该研究以「Crystalstructurepredictionby

转载请注明:http://www.aideyishus.com/lkzp/101.html