Nucleating a Different Coordination in a Crystal under Pressure: A Study of the B1-B2 Transition in NaCl by Metadynamics
在这里,我们提出了一个NPT元自洽模拟方案的压力诱导的结构相变,使用配位数和体积作为集体变量,并将其应用到重构结构转换$B1$-$B2$在NaCl中。通过研究大小高达64 000个原子的系统,我们达到了超越集体机制的制度,并观察到通过成核和生长进行的转变。我们还揭示了过渡机制的交叉,从Buerger的小系统的Watanabe-Tolédano较大的。该计划可能适用于更广泛的一类压力引起的结构转变,允许研究复杂的成核效应,使模拟更接近现实条件。
2021-10-10 cond-mat.mtrl-sci cond-mat.stat-mech
Silicon liquid structure and crystal nucleation from ab-initio deep Metadynamics
研究硅的结晶过程是一项具有挑战性的任务,因为经验势不能很好地再现半导体固体和金属液体的性质。另一方面,成核是一个罕见的事件,发生在更长的时间尺度比那些可实现的从头算分子动力学。为了解决这个问题,我们训练了一个深度神经网络势,它基于一组使用经典势的Metadomics模拟生成的数据。我们展示了这是如何有效地收集感兴趣的过程的所有相关数据的方法。为了有效地驱动结晶过程,我们引入了一个新的集体变量的基础上德拜结构因子。我们能够编码的长程序信息在一个局部变量,这是更适合描述的成核动力学。然后使用SCAN交换相关泛函计算参考能量,这能够更好地描述Si相图的成键复杂性。最后,我们恢复了自由能面与DFT精度,我们计算的热力学性质附近的熔点,获得了良好的协议与实验数据。此外,我们还研究了结晶过程的早期阶段,揭示了成核机制的特点。
2019-01-09 cond-mat.mtrl-sci physics.comp-ph
Predicting crystal structures: the Parrinello-Rahman method revisited
通过适当调整最近的方法[A]。Laio和M. Parrinello,PNAS,99,12562(2002)],我们开发了一种用于研究压力诱导的结构转变的强大的分子动力学方法。我们使用模拟单元的边缘作为集合变量。在这些变量的空间中,我们定义了一个元自洽场,它驱动系统远离局部最小值,朝向新的晶体结构。与Parrinello-Rahman方法相比,我们的方法显示在平衡压力下没有滞后和晶体结构转变。我们通过研究硅模型中压力诱导金刚石到简单六方相变来说明该方法的威力。
2002-11-25 cond-mat.mtrl-sci cond-mat.stat-mech
Crystal structure prediction using ab initio evolutionary techniques: principles and applications
我们已经开发出一种有效和可靠的方法,晶体结构预测,合并从头算总能量计算和一个专门设计的进化算法。该方法允许人们预测给定化合物在任何P-T条件下最稳定的晶体结构和许多低能亚稳结构,而不需要任何实验输入。到目前为止,在几十个测试中观察到了极高的成功率,包括离子,共价,金属和分子结构,单位晶胞中多达40个原子。我们已经能够解决高压晶体学中的一些重要问题,并报道了一些新的高压晶体结构。这种方法的成功的物理原因进行了讨论。
2009-11-17 cond-mat.mtrl-sci
Evolutionary crystal structure prediction and novel high-pressure phases
在已知的化学组成的基础上,预测在给定的压力-温度条件下的稳定晶体结构,是凝聚态物理的中心问题。这个极具挑战性的问题通常被称为“晶体结构预测问题”,最近开发的进化算法USPEX(通用结构预测器:进化Xtallography)在解决它方面取得了重要进展,使用从头算方法可以有效可靠地预测晶胞中多达40个原子的结构。在这里,我们回顾了这种方法,以及最近的进展,分析能源景观的固体(这也有助于分析结果的USPEX运行)。我们展示了几个最近的应用-(1)预测新的高压相的CaCO 3,(2)搜索的结构的聚合物相的CO 2(“相V”),(3)高压相的氧,(4)在Xe-C系统在高压下可能的稳定化合物的探索,(5)外来高压相的元素硼和钠。
2010-09-28 cond-mat.mtrl-sci
Constrained evolutionary algorithm for structure prediction of molecular crystals: methodology and applications
演化晶体结构预测被证明是一个强大的方法,研究范围广泛的材料。在这里,我们提出了一个专门设计的算法,用于预测复杂晶体的结构,包括定义明确的分子单元。这种新方法的主要特点是,每个单元被视为一个整体,这大大减少了搜索空间,提高了效率,但需要引入新的变异算子这里描述。为了增加结构群体的多样性,使用空间群对称性结合随机单元参数和分子单元的随机位置和取向来生成初始群体和部分($\scriptsize{\sim}$ 20%)新世代。我们说明了这种方法的效率和可靠性的测试(冰,氨,二氧化碳,甲烷,苯,甘氨酸和丁烷-1,4-二溴化二铵)的数量。这种方法很容易预测每个晶胞含有21个甲烷分子(105个原子)的甲烷\emph{A}的晶体结构。我们证明,这种新的方法也有很高的潜力复杂的无机晶体的研究上的例子复杂的储氢材料Mg(BH $_4$)$_2$和元素硼。
2012-05-18 cond-mat.mtrl-sci
Evolutionary approach for finding the atomic structure of steps on stable crystal surfaces
这里解决的问题可以简明地表述如下:给定一个稳定的表面取向,已知的重建,并在该表面的平面内给定一个方向,找到沿该方向取向的台阶的原子结构。本文提出了一种适用于台阶结构确定的可变数目遗传算法,并通过确定Si(114)- $2\times 1$上单原子台阶的结构进行了验证。我们展示了台阶边缘的位置相对于平台重建,台阶宽度(原子数),和原子在台阶区域中的位置都可以同时确定。
2007-02-27 cond-mat.mtrl-sci
Ge$_{136}$ type-II clathrate as precursor for the synthesis of metastable germanium polymorphs: a computational study
本文用\textit{ab initio}小胞元方法研究了不同温度和压力下笼形II型结构Ge(CF 136)的压缩响应。在较低压力$p$ =2.5 GPa下,亚稳金属bct-5相与在较高压力下形成的$β$ -Sn Ge(tI 4)竞争。在降低温度时,从Ge $_{136}$获得的无定形中间体的存在更加明显,并且有助于形成更致密的结构图案,由此可以形成金属bct-5。其中,各向异性盒波动促进相形成。使用一组拓扑描述符,包括协调序列和环统计数据的metadaptics运行进行了深入分析。在结构景观的历史和无定形中间体的差异是至关重要的选择性形成特定的亚稳多晶型物,对把晶体结构的预测变成实际的材料。
2022-08-12 cond-mat.mtrl-sci cond-mat.other physics.comp-ph
Finding Efficient Collective Variables: The Case of Crystallization
一些增强的抽样方法,如伞式抽样或元自相关法,依赖于确定一套适当的集体变量。最近提出了两种方法,以减轻确定有效的集体变量的任务。一个是基于线性判别分析,其他的构象动力学的变分方法,并使用时滞独立成分分析。在本文中,我们比较了这两种方法的性能在两个简单的金属均匀结晶的研究。我们专注于钠和铝和搜索最有效的集体变量,可以表示为一个线性组合的X射线衍射峰强度。我们发现这两种方法的性能非常相似。然而,基于线性判别分析的方法,在其谐波版本中,是优选的,因为它更简单,计算量少得多。
2018-09-13 cond-mat.mtrl-sci physics.comp-ph
Enhancing entropy and enthalpy fluctuations to drive crystallization in atomistic simulations
结晶是一个非常实用的过程,其中罕见但关键的波动导致从液体开始形成固相。就像所有的一阶相变一样,焓和熵之间存在相互作用。基于这一思想,为了在分子模拟中驱动结晶,我们引入了两个集体变量,一个是熵,另一个是熵。以这种方式定义,这些集体变量不会预先判断系统将具体化为什么样的结构。我们通过研究分别以面心立方和体心立方晶体结构结晶的钠和铝的情况,展示了这种方法的实用性。使用这两个通用的集体变量,我们进行变分增强的采样和回火metadhesics模拟,并发现系统之间的液体和固体相自发地和可逆地转变。
2017-03-28 cond-mat.mtrl-sci cond-mat.stat-mech physics.comp-ph
Powder X-Ray Diffraction Assisted Evolutionary Algorithm for Crystal Structure Prediction
本文提出一种粉末X射线衍射辅助的多目标进化算法,结合结构焓与参考XRD图谱相似性进行晶体结构预测,在无机矿物、极端压缩纯元素和分子晶体等测试中显著提升了预测精度并缩短了求解时间。
2024-07-07 cond-mat.mtrl-sci
Evolutionary search for novel superhard materials: Methodology and applications to forms of carbon and TiO2
我们已经开发了一种方法,用于预测在一个给定的化学系统中最硬的晶体结构。它是基于进化算法USPEX(通用结构预测:进化Xtallography)和电负性为基础的硬度模型,我们增加了键价模型和图论。这些扩展使正确的描述分层,分子和低对称性晶体结构的硬度。将这种方法应用于C和TiO 2,我们(i)获得了许多硬度略低于金刚石的低能碳结构,(ii)证明了TiO 2在其任何可能的多晶型中都不是最硬的氧化物,其硬度低于17 GPa。
2011-10-24 cond-mat.mtrl-sci
Complex crystal structure prediction using ML-enhanced multi-minima iterative genetic algorithm
Zhejiang University of Technology(浙江工业大学);Ames National Laboratory(艾姆斯国家实验室);Iowa State University(爱荷华州立大学)
提出集成ANN-ML势与迭代元动力学惩罚方案的多极小值迭代遗传算法,成功预测La-Co-Pb体系中新型反配对相结构,克服了依赖数据库方法的局限。
2026-07-02 cond-mat.mtrl-sci
Predicting Polymeric Crystal Structures by Evolutionary Algorithms
最近开发的进化算法USPEX被证明是一种工具,可以准确可靠地预测给定化学成分的结构。在这里,我们扩展这种方法来预测聚合物的晶体结构进行约束进化搜索,其中每个单体单元被视为一个或几个具有固定连接的积木。这大大减少了搜索空间,并允许使用这些块以不同的序列和包装生成初始结构。新的约束进化算法成功地进行了测试和验证的各种实验已知的聚合物,即聚乙烯(PE),聚乙炔(PA),聚(乙醇酸)(PGA),聚(氯乙烯)(PVC),聚(甲醛)(POM),聚(苯醚)(PPO),和聚(对苯硫醚)(PPS)。通过固定聚合物链的取向,该方法可以进一步扩展到预测聚偏氟乙烯(PVDF)的所有多晶型物,以及复杂的线性聚合物晶体,如尼龙6和纤维素。预测的晶体结构和实验已知的结构之间的良好协议,保证了这种方法在未来的聚合物材料的有效设计的主要作用。
2014-06-05 cond-mat.mtrl-sci cond-mat.soft
Enhanced sampling of Crystal Nucleation with Graph Representation Learnt Variables
University of Maryland(马里兰大学)
本研究提出基于图神经网络的自动编码器方法,从晶体结构中学习低维变量,并在增强采样中偏置以观察状态转变和计算自由能,成功应用于铁和甘氨酸的成核研究,验证了方法的可靠性和通用性。
2023-10-11 cond-mat.mtrl-sci cond-mat.stat-mech cs.LG
Collective Variables Based on Multipole Expansion of Ewald Summation for Crystallization
Institute of Systems and Physical Biology, Shenzhen Bay Laboratory(深圳湾实验室系统与物理生物学研究所)
本文提出基于Ewald求和多极展开的集体变量框架,通过球谐函数投影编码平移与取向有序,实现结晶模拟中高保真且可转移的晶体结构预测。
2025-10-10 cond-mat.mtrl-sci cond-mat.soft cond-mat.stat-mech
Pure and Hybrid Evolutionary Computing in Global Optimization of Chemical Structures: from Atoms and Molecules to Clusters and Crystals
综述了近十年来演化计算方法在原子、分子团簇和晶体等复杂势能面研究中的发展。发展的趋势表明,纯以及混合进化计算技术结合DFT已成为一个强大的工具,虽然工作的分子团簇一直相当有限。文献中有一些直接用遗传算法求解原子/分子薛定谔方程的尝试。在Born-Oppenheimer近似水平下,GA密度方法似乎是一种可行的工具,在未来几年中可以更广泛地探索,特别是在设计具有目标特性的分子和材料的背景下。
2015-08-31 cond-mat.mtrl-sci cs.NE physics.chem-ph
Using Topology to Predict Electrides in the Solid State
本研究将基于电子密度的拓扑判据(非核吸引子)与XtalOpt进化算法结合,通过Ca5Pb3在20 GPa下的结构预测验证,实现了对固态电子化合物的高效预测与筛选,并发现了新的候选相。
2025-08-06 cond-mat.mtrl-sci
Revisiting the epitaxial Si$_3$N$_4$ crystalline cap on AlGaN/GaN via evolutionary structure search
Shandong Institute of Advanced Technology(山东高等技术研究院);Shandong University(山东大学);Macao Polytechnic University(澳门理工学院)
通过进化结构搜索发现Lam-Si$_3$N$_4$结构在AlGaN/GaN界面处更稳定,具有更宽的带隙和更好的结构匹配,从而提升器件封装性能。
2025-09-23 cond-mat.mtrl-sci
Distance Matrix based Crystal Structure Prediction using Evolutionary Algorithms
无机材料的晶体结构预测是材料科学和计算化学中的核心问题之一。该问题可以被公式化为全局优化问题,其中全局搜索算法(诸如遗传算法(GA)和粒子群优化)已经与第一原理自由能计算相结合,以预测仅给定材料组成或仅给定化学体系的晶体结构。这些基于DFT的从头算CSP算法计算量大,只能用于预测相对较小的系统的晶体结构。庞大的坐标空间加上昂贵的DFT自由能计算限制了它们的效率和有效性。另一方面,在生物信息学的蛋白质结构预测社区中,类似的结构预测问题已经被并行地深入研究,其中主要的预测器是基于知识的方法,包括利用已知蛋白质结构的同源建模和线程。在这里,我们探讨是否已知的几何约束,如成对的原子距离的目标晶体材料,可以帮助预测/重建其结构给定其空间群和晶格信息。我们提出了DMCrystal,一个基于遗传算法的晶体结构重建算法的基础上预测原子的成对距离。基于大量的实验,我们表明,预测的距离矩阵可以显着地帮助重建晶体结构,通常实现更好的性能比CMCrystal,基于原子接触图的晶体结构预测算法。这意味着从现有材料中学习到的原子相互作用信息的知识可以用于显着提高晶体结构预测的速度和质量。
2020-10-26 cond-mat.mtrl-sci physics.comp-ph
GAtor: A First Principles Genetic Algorithm for Molecular Crystal Structure Prediction
我们提出了一个大规模并行的,第一原理遗传算法(GA)的分子晶体结构预测的GATor的实现。GATor是用Python编写的,目前与FHI-aims代码接口,使用包含色散的密度泛函理论(DFT)执行局部优化和能量计算。GATor提供了各种适应度评估、选择、交叉和变异方案。专门为分子晶体设计的育种操作员在探索和开发之间提供了平衡。进化小生境实现GATor通过使用机器学习聚类的动态更新的人口结构相似性,然后采用基于聚类的适应度函数。进化小生境通过进化几个亚种群来促进势能面的均匀采样,这有助于克服初始池偏差和选择偏差(遗传漂变)。GATor提供的各种设置增加了定位许多低能量极小值的可能性,包括那些位于断开连接,难以到达的潜在能量景观区域的能量极小值。最好的结构产生的重新放松和重新排名使用层次结构的越来越准确的DFT泛函和分散的方法。GATor应用于一组化学多样的四个过去的盲测试目标,其特征在于不同类型的分子间相互作用。实验观察到的结构和其他低能量的结构被发现的所有四个目标。特别地,对于目标II,5-氰基-3-羟基噻吩,排名最高的推定晶体结构是具有P $\bar{1}$对称性和支架填充基序的$Z^\prime$ =2结构,这在以前没有报道过。
2018-02-23 cond-mat.mtrl-sci
SSCHA-based evolutionary crystal structure prediction at finite temperatures with account for quantum nuclear motion
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术学院);SberUniversity(储蓄大学)
本文提出基于SSCHA和MLIPs的有限温度晶体结构预测方法,通过比较AL-MLIPs和uMLIPs在LaH₁₀中的应用,展示量子非谐性对稳定性排名的重要性,扩展了CSP的应用范围。
2026-09-10 cond-mat.mtrl-sci cond-mat.supr-con
Ground state dynamically stable phases for fluorine in the TPa pressure regime by evolutionary algorithms
在这项工作中,我们采用\textit{ab initio}方法结合进化算法搜索稳定的结构氟在terapascal(TPa)制度。我们进行了几次结构搜索,使用USPEX代码,在压力范围从1到5 TPa,并考虑到16个原子每细胞选定的压力。我们的研究结果部分支持了最近的研究,通过验证氟从分子形式,$Cmca$,转化为中间聚合物形式之前,其最终解离。事实上,在高压下氟的候选结构之间的焓比较显示了在2.7 TPa下从分子相$Cmca$到$Pm\bar{3}n$扩展结构的直接转变,后者由线性链和独立原子组成,这与先前提出的其他中间相也作为接近3 TPa的稳定结晶形式存在的相互矛盾的报道不一致。
2022-11-30 cond-mat.mtrl-sci
Predicting Superhard Materials via a Machine Learning Informed Evolutionary Structure Search
实验维氏硬度,$H_\text{v}$,广泛的材料和那些通过三个宏观硬度模型计算,采用剪切和/或体积模量从:(i)第一原理通过AFLOW-AEL(AFLOW自动弹性库),和(ii)机器学习(ML)模型训练的材料在AFLOW存储库。由于$H_\text{v}^\text{ML} $值可以快速估算,因此它们可以与进化搜索结合使用,以预测稳定的超硬材料。该方法在XtalOpt进化算法中实现。每个晶体被最小化到最近的局部最小值,并且其维氏硬度通过与由Teter发现的剪切模量的线性关系来计算。能量/焓和$H_\text{v, Teter}^{\text{ML}}$都被用来确定结构的适应度。这种实现是适用于对碳系统,和43个新的超硬phaseoffering.A拓扑分析表明,相估计略硬比金刚石包含相当大的一部分金刚石和/或lonsdaleite。
2019-06-13 cond-mat.mtrl-sci
Enhancing Crystal Structure Prediction by decomposition methods based on graph theory
近年来,晶体结构预测算法已成为材料发现的有力工具,然而,它们通常仅限于相对较小的系统。主要的挑战是局部极小值的数量随着系统规模呈指数增长。在这项工作中,我们提出了两个交叉变异方案的基础上图论加速进化结构搜索。这些方案可以使用晶体的商图来检测周期网络中的分子或簇,并且分解可以显着减少搜索空间。通过对甲烷、氨、MgAl2O4和硼等高压相的大量实验表明,无论是孤立体系还是扩展体系,新的演化方案都能明显提高算法的成功率和搜索效率.
2021-02-19 cond-mat.mtrl-sci
Discovering Superhard B-N-O Compounds by Iterative Machine Learning and Evolutionary Structure Predictions
我们寻找新的超硬B-N-O化合物的迭代机器学习(ML)程序,其中ML模型使用进化算法的样品晶体结构进行训练。我们首先使用内聚能来评估不同的B $_x$ N $_y$ O $_z$组合物的热力学稳定性,然后逐渐集中于具有高内聚能和高硬度的组合物区域。经过几次迭代后,结果很快收敛。我们得到的ML模型表明,B $_{x+2}$ N $_{x}$ O $_{3}$与$x \geq 3$化合物(如B $_5$ N $_3$ O $_3$,B $_6$ N $_4$ O $_3$等)是潜在的超硬和有利的。我们的元GGA密度泛函理论计算表明,这些材料也是宽带隙($\ge 4.4$ eV)绝缘体,与价带最大值有关的$p$ -轨道的氮原子附近的空位。这项研究表明,ML和从头算模拟相结合的迭代方法为发现新材料提供了一个强大的工具。
2021-11-25 cond-mat.mtrl-sci
Adaptive fine-tuning of foundation models for crystal structure prediction: Discovery of high-pressure phases in the CaFeNi system
Joint Institute for Nuclear Research(苏联联合核研究所);Vereshchagin Institute of High Pressure Physics, Russian Academy of Sciences(俄罗斯科学院韦列夏金高压物理研究所);Vatolin Institute of Metallurgy of the Ural Branch of the Russian Academy of Sciences(俄罗斯科学院乌拉尔分支瓦托林冶金研究所);Ural Federal University(乌拉尔联邦大学)
提出一种结合进化搜索与自适应数据选择及微调的自洽基础模型辅助晶体结构预测工作流,通过迭代选择代表性结构进行DFT标记,高效探索Ca-Fe-Ni三元体系,预测了高压下稳定的新化合物Ca6FeNi。
2026-07-01 cond-mat.mtrl-sci
Prediction of New Ground State Crystal Structure of Ta2O5
五氧化二钽(Ta 2 O 5)是一种具有重要技术应用的宽禁带半导体。尽管从实验和理论研究的巨大努力,基态晶体结构的Ta 2 O 5尚未唯一确定。基于第一性原理计算结合进化算法,我们确定了一个三斜相的Ta 2 O 5,这是在能量上更稳定比任何相或结构模型以前报道。静态和动态特性的新阶段的表征揭示了与以前的亚稳相Ta 2 O 5共享的共同特征。特别是,我们表明,在许多以前的实验工作的X射线衍射(XRD)图案中发现的~ 3.8 μ m的d-间距,实际上是由径向分布函数定义的第二Ta-Ta配位壳层的半径。
2018-03-06 cond-mat.mtrl-sci
Accelerating crystal structure prediction by machine-learning interatomic potentials with active learning
在这封信中,我们提出了一种新的晶体结构预测方法,它是基于进化算法USPEX和机器学习原子间相互作用势主动学习的飞行。我们的方法允许从零开始,取代昂贵的DFT与几个数量级的加速自动构建原子间的相互作用模型。然后在DFT上测试预测的低能结构,确保我们的机器学习模型不会引入任何预测误差。我们测试了我们的方法上的一个问题的预测碳同素异形体,致密的钠结构和硼同素异形体,包括那些有超过100个原子的原始细胞。所有的主要同素异形体已被复制,并在非常温和的计算工作中发现了一个新的54原子结构的硼。
2019-02-26 cond-mat.mtrl-sci
XtalOpt Version 13: Multi-Objective Evolutionary Search for Novel Functional Materials
XtalOpt v13实现多目标全局优化平台,通过同时最小化焓和优化用户指定性质,并支持基于特征的约束搜索,以发现新型功能材料稳定相。
2024-06-19 cond-mat.mtrl-sci physics.comp-ph
Crystal Structure of Silver Pentazolates AgN5 and AgN6
五唑银是一种高能量密度的含环N5-阴离子的化合物。然而,由于对辐射的高灵敏度,其晶体结构尚未确定。在这项工作中,银氮晶体化合物在环境条件和高压,高达100 GPa,预测和其特征在于执行第一性原理进化晶体结构搜索与可变化学计量。结果表明,在42 ~ 80 GPa压力范围内,新发现的AgN 5和AgN 6是唯一的银氮化合物。与AgN 5相反,五唑基AgN 6化合物除了环-N5-之外还含有N2双原子分子。这些AgN 5和AgN 6晶体在环境条件下是亚稳态的,正形成能量分别为54.95 kJ/mol和46.24 kJ/mol。环-N5-银五唑配合物稳定性的根本原因是通过从银原子到氮环的电荷转移实现的增强的芳香性。为了帮助这些材料的实验鉴定,计算的拉曼光谱报告在环境压力下:N5-AgN 5的振动模式的频率是在实验中测得的那些很好的协议。
2021-11-01 cond-mat.mtrl-sci
Creation of crystal structure reproducing X-ray diffraction pattern without using database
本文提出Evolv&Morph方法,结合进化算法、晶体变形与贝叶斯优化,在不依赖数据库的情况下自动创建与目标XRD图谱高度匹配的晶体结构,并验证其有效性。
2023-08-07 cond-mat.mtrl-sci
MUSE: Multi-algorithm collaborative crystal structure prediction
详细介绍了多算法协同的通用结构预测环境({ \sc Muse})的算法和测试。目前,在{ \sc Muse}中,我将进化算法、模拟退火算法和盆地跳跃算法相结合,实现了在一定条件下材料结构的高效预测。{ \sc Muse}保持打开状态,将来可以添加其他算法。我引入了两个新的操作符,滑动和扭曲,以增加结构的多样性。为了实现结构的自适应进化,引入了十个变异算子之间的竞争机制,进一步增加了结构的多样性。第一代算法中的对称性约束、多算法协作、10个变分算子和自适应方案都是提高{ \sc Muse}性能的关键。为了研究{ \sc Muse}的搜索能力,我对不同的系统进行了广泛的测试,包括金属、共价和离子系统。所有这些目前的测试表明{ \sc Muse}具有非常高的效率和100%的成功率。
2014-03-19 cond-mat.mtrl-sci
Crystal structure prediction using age-fitness multi-objective genetic algorithm and coordination number constraints
晶体结构预测(CSP)已成为发现新材料的重要途径之一。基于进化算法和粒子群优化算法的CSP算法已经发现了大量的新材料。然而,这些算法的基础上从头计算的自由能是低效的。此外,它们在可扩展性方面有严重的限制。最近,我们提出了一种很有前途的晶体结构预测方法的基础上原子接触地图,使用全局优化算法搜索的Wyckoff位置,通过最大限度地提高预测结构的接触地图和接触地图的真实晶体结构之间的匹配。然而,我们以前的基于接触图的CSP算法存在两个主要的局限性:(1)由于陷入局部最优而失去搜索能力;(2)它只利用晶胞内原子的连接来预测晶体结构,忽略了晶胞外的化学环境,这可能导致不合理的配位环境。本文提出了一种新的基于接触图的晶体结构预测的多目标遗传算法,该算法通过优化接触图匹配精度、个体年龄和配位数匹配三个目标来实现。此外,我们分配的年龄值的GA的所有个人,并试图尽量减少年龄,以避免早熟收敛问题。我们的实验结果表明,与我们以前的CMCrystal算法相比,我们的多目标晶体结构预测算法(CMCrystalMOO)可以重建更高质量的晶体结构,并减轻过早收敛的问题。
2021-07-03 cond-mat.mtrl-sci
Accelerated identification of equilibrium structures of multicomponent inorganic crystals using machine learning potentials
新的多组分无机化合物的发现可以为许多科学和工程挑战提供直接解决方案,但未知材料空间的巨大规模使目前的合成产量相形见绌。虽然计算晶体结构预测有望减轻这种挫折,但密度泛函理论(DFT)计算的NP-硬度和陡峭的成本阻止了大规模的材料探索。在这里,我们介绍了SPINNER,一个高效可靠的结构预测框架,基于穷举随机搜索和进化算法,这是完全免费的。通过精确的神经网络势能,该程序可以比DFT快10倍以上的$^{2}$导航配置空间。在对从实验数据库中选择的60种三元组合物的盲测中,SPINNER在5000代内成功地识别了约80%的材料的实验(或理论上更稳定)相,对每种组合物进行了多达50万次的结构评估。当以以前的数据挖掘或基于DFT的进化预测为基准时,SPINNER在大多数情况下识别出更稳定的阶段。通过开发一个可靠和快速的结构预测框架,这项工作为未发现的无机晶体的大规模,无界计算探索打开了大门。
2021-07-07 cond-mat.mtrl-sci physics.comp-ph
Predicting a Two-dimensional P2S3 Monolayer: A Global Minimum Structure
基于广泛的进化算法驱动的结构搜索,我们提出了一种新的二硫化二磷(P2 S3)二维晶体,它是动态,热和化学稳定的计算声子谱和从头算分子动力学模拟证实. P2 S3的这种2D结晶相对应于具有2:3化学计量比的硫化磷单层的Born-Oppenheimer表面中的全局最小值。它是一种具有P-S σ键的宽带隙(4.55 eV)半导体。P2 S3结构的电子性质可以通过堆叠成多层P2 S3结构、形成P2 S3纳米带或轧制成P2 S3纳米管来调制,从而扩展其在新兴的二维电子学领域的潜在应用。
2017-03-02 cond-mat.mtrl-sci
Structurally Constrained Evolutionary Algorithm for the Discovery and Design of Metastable Phases
提出一种结合XtalOpt演化算法、利用局部晶态序和对称性等结构特征过滤父代池的亚稳相预测新方法,在多个已知和预测体系上验证有效,助力新材料发现与设计。
2023-11-02 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Exotic behavior and crystal structures of calcium under pressure
实验研究表明,钙在压力下会经历几种违反直觉的转变:fcc \rightarrow bcc \rightarrow简单立方\rightarrow Ca-IV \rightarrow Ca-V,并在简单立方和高压相中成为良好的超导体。在这里,使用从头算进化模拟,我们探索的Ca在压力下的行为,并发现了一些新的阶段。我们的结构序列与传统的Ca的结构序列不同,但与Sr的结构序列相似。在0 K和33-71 GPa下,β-tin(I 41/amd)结构,而不是简单的立方结构,被预测为理论基态。这种结构可以表示为简单立方结构的大变形,正如在71和134 GPa之间稳定的高压相。Ca-V的结构在134 GPa以上是稳定的,是一种复杂的主体-客体结构。根据我们的计算,预测相是超导体,在压力下Tc增加,在120 GPa下达到~20 K,与实验符合良好。
2010-09-29 cond-mat.mtrl-sci
Crystal Structure Prediction via Particle Swarm Optimization
我们已经开发了一个强大的方法,晶体结构预测从“零开始”,通过粒子群优化(PSO)算法的进化计划。PSO技术与遗传算法有很大的不同,并且显然避免了使用进化算子(例如,交叉和突变)。该方法基于通过PSO技术合并总能量计算的自由能表面的高效全局最小化,并且仅需要给定化合物的化学组成来预测给定外部条件下的稳定或亚稳结构(例如,压力)。为了提高结构搜索效率,提出了一种几何结构因子法,该方法允许在结构演化过程中消除相似结构。设计的变晶胞尺寸技术的应用大大降低了计算量。此外,在结构生成中施加的对称约束使得能够实现不同的结构,导致显着减少搜索空间和优化变量,从而避免了全局结构收敛。PSO算法已经成功地应用于许多已知系统的预测(例如,元素、二元和三元化合物)与各种化学键合环境(例如,金属、离子和共价键合)。显着的成功率证明了这种方法的可靠性,并说明了粒子群算法作为晶体结构测定的主要技术的巨大潜力。
2010-08-21 cond-mat.mtrl-sci
HEX: High-pressure Elemental Xstals, a complete Database
本文介绍HEX数据库,收录前57种元素在0-300 GPa下的基态晶体结构,结合实验与密度泛函理论预测,验证了98%情况下从头算方法的准确性。
2024-03-14 cond-mat.mtrl-sci
Performance of universal machine learning potentials in global optimization of inorganic crystal structures
Binghamton University-SUNY(宾汉姆顿大学(纽约州立大学))
研究评估了多种通用机器学习势在无约束进化搜索中的性能,发现其在预测复杂晶体结构基态方面的能力差异显著,部分模型能准确捕捉细微电子结构特征的能量差异。
2026-07-15 cond-mat.mtrl-sci
The Fe-N system: crystal structure prediction, phase stability, and mechanical properties
本研究结合变组分演化算法与第一性原理计算,识别出50种稳定/亚稳Fe-N化合物,系统研究其力学性能,为优化设计定制力学性能的Fe-N合金提供见解。
2024-11-26 cond-mat.mtrl-sci
XtalOpt Version 14: Variable-Composition Crystal Structure Search for Functional Materials Through Pareto Optimization
State University of New York at Buffalo(纽约州立大学布法罗分校)
XtalOpt 14 通过帕累托优化实现变量成分晶体结构搜索,提升功能材料发现效率。
2025-12-11 cond-mat.mtrl-sci physics.comp-ph
MAISE: Construction of neural network interatomic models and evolutionary structure optimization
Module for ab initio structure evolution(MAISE)是一个用于材料建模和预测的开源软件包。该代码的主要功能是自动生成神经网络(NN)原子间势,用于全局结构搜索。Behler-Parrinello型NN模型的系统构建近似从头算能量和力依赖于我们最近的研究中介绍的两种方法。用于生成参考结构的进化采样方案改进了NN在无约束搜索中访问的区域的映射,而分层训练方法使得能够为多个元素创建标准化NN模型。一个更灵活的NN架构,这里提出的分层方案的适用性扩展为任意数量的元素。NN开发中的完整工作流程由Python编写的可定制的“MAISE-NET”包装器管理。MAISE的全局结构优化能力基于适用于纳米颗粒、薄膜和块状晶体的进化算法。该算法的多部落扩展允许在给定的尺寸范围内的纳米粒子的有效的同时优化。实现的结构分析功能包括指纹与径向分布函数和寻找空间群与SPGLIB工具。这项工作概述了MAISE的可用功能,构建的模型,并确认的预测。
2020-09-15 cond-mat.mtrl-sci physics.comp-ph
A New Phosphorus Allotrope with Direct Band Gap and High Mobility
基于从头算演化晶体结构搜索计算,我们报道了一种新的磷相--绿磷(λ-P),它的直接带隙为0.7 ~ 2.4eV,具有很强的光学和输运各向异性。自由能计算表明,一个单层的形式,称为绿色磷烯,是在能量上比蓝色磷烯更稳定,从黑色到绿色磷烯的相变可以发生在87 K以上的温度。由于其弯曲结构,绿色磷烯可以在波纹状金属表面而不是清洁表面上合成。
2017-05-15 cond-mat.mtrl-sci
Discovery of Novel Silicon Allotropes with Optimized Band Gaps to Enhance Solar Cell Efficiency through Evolutionary Algorithms and Machine Learning
结合进化算法、多精度第一性原理计算与机器学习,发现20种稳定的直接/准直接带隙新型硅同素异形体,其中Si$_{22}$在500 nm下SLME达32.7%。
2024-08-02 cond-mat.mtrl-sci physics.comp-ph
CrySPAI: A new Crystal Structure Prediction Software Based on Artificial Intelligence
Computer Network Information Center, Chinese Academy of Sciences(中国科学院计算机网络信息中心);University of Chinese Academy of Sciences(中国科学院大学)
本文提出CrySPAI,一款基于人工智能的晶体结构预测软件,结合进化优化算法、密度泛函理论和深度神经网络,通过分布式框架和自动化工作流,根据化学成分预测无机材料的能量稳定晶体结构。
2025-01-27 cond-mat.mtrl-sci cs.AI
A Continuous Action Space Tree search for INverse desiGn (CASTING) Framework for Materials Discovery
快速准确地预测最佳晶体结构、拓扑结构和微观结构对于加速新材料的设计和发现非常重要。挑战在于各种元素及其组合所呈现的过大的结构和构图空间。速度、准确性和可扩展性是任何逆向设计工具在如此广阔的空间中有效采样的三个先决条件。虽然传统的全局优化方法(例如,进化算法、基于随机采样的算法)已经证明了预测新晶体结构的能力,所述新晶体结构可以用作超硬材料、半导体和光伏材料(仅举几例),非常期望开发更快地收敛到解、具有更好的解质量并且可扩展到高维的方法。强化学习(RL)方法正在成为能够解决这些问题的强大设计工具,但主要在离散动作空间中操作。在这项工作中,我们介绍了铸造,这是一个基于RL的可扩展框架的晶体结构,拓扑结构,并可能微观结构预测。CASTING采用基于RL的连续搜索空间决策树(MCTS -蒙特卡洛树搜索)算法,该算法具有三个重要修改:(i)用于改进搜索空间探索的修改的奖励方案,(ii)用于改进利用的“开窗”或“漏斗”方案,以及(iii)在播出期间的自适应采样,用于高效和可扩展的搜索。使用一组有代表性的例子,从金属,如银,共价系统,如C和多组分系统(石墨烷,氮化硼,和复杂的相关氧化物),我们展示了准确性,收敛速度和可扩展性的铸造,以发现新的亚稳晶体结构和相,满足目标的目标。
2022-12-23 cond-mat.mtrl-sci
Structural evolution of amorphous polymeric nitrogen from \textit{ab initio} molecular dynamics simulations and evolutionary search
具有单键的聚合氮可以在高压下从分子形式产生,并且由于三键和单键之间的大能量差,它作为高能材料是令人感兴趣的。然而,它的结构和性质仍然没有得到很好的理解。我们研究了无定形氮的\textit{ab initio}模拟,采用分子动力学和进化算法。在120 GPa压力下,通过热液淬冷、压力诱导分子晶体非晶化和进化搜索等方法制备了非晶氮。发现所有三种无定形形式在结构上相似。我们详细研究了该系统在100 K下从120 GPa减压到零压时的结构演化。当压力大于100 GPa时,体系主要由三配位原子(80%)通过单键连接而成,同时也存在一些由二配位原子组成的短链。减压时,3配位原子的数量迅速减少到60 GPa以下,并产生更长的链。在20 GPa下,系统开始也产生N个$_2$分子,并且在$p=0$的最终结构包含在聚合物网络内的分子,所述聚合物网络主要由2配位原子构成的较长链组成。除了结构,我们还研究了系统的振动和电子性质,并估计了在环境压力下可以存储在非晶氮中的能量。
2018-11-20 cond-mat.dis-nn cond-mat.mtrl-sci
MatLLMSearch: Crystal Structure Discovery with Evolution-Guided Large Language Models
University of California, Los Angeles(加州大学洛杉矶分校);University of California, Berkeley(加州大学伯克利分校);Cornell University(康奈尔大学);Deep Principle Inc.(Deep Principle 公司);Georgia Institute of Technology(佐治亚理工学院)
本文提出MatLLMSearch,利用进化引导的预训练大语言模型无需微调即可生成新颖稳定的晶体结构,实现78.38%亚稳态率和31.7% DFT验证稳定性,并适用于多目标材料设计。
2025-10-06 cond-mat.mtrl-sci cs.LG
The fate of compound with AgF$_2$ plus AgO stoichiometry. A theoretical study
金属氟氧化物是一类具有丰富晶体结构和性质的化合物。在这里,我们预测,基于进化算法的方法,银$_2$的$_2$的晶体结构和选定的性能。该体系可视为AgF $_2$(即反铁磁电荷转移正U绝缘体)和AgO(即反铁磁负U绝缘体)的1:1加合物。我们分析了每个结构中银的氧化态,可能的磁相互作用以及能量稳定性。展望了利用多种合成方法合成感兴趣的多型体的前景。
2021-03-08 cond-mat.mtrl-sci cond-mat.str-el
Crystal structure search and electronic properties of alkali doped phenanthrene and picene
碱掺杂的芳香族化合物已经显示出金属和超导相的证据,其确切性质仍然是神秘的。在钾和铷掺杂的菲中,已经检测到5 K左右的超导温度,但化学计量,晶体结构和电子能带等基本元素仍然是推测性的。我们试图预测的M3-菲(M = K,Rb)的晶体结构使用从头算演化模拟结合密度泛函理论(DFT),并找到金属,但也绝缘体相具有不同的结构。原始分子晶体的原始P21人字形结构通常被放弃,以支持不同的包装和化学基序。金属相是坦率的离子,每个分子获得三个电子。在绝缘层中,碱金属聚结,使每个菲分子所带的电荷从三个减少到两个。对K3-picene进行类似的搜索,得到了一个旧的和一个新的结构,具有不同的钾位置和不同的电子带,但两者都保留了原始picene的面对面的人字形结构和P21对称性。无论是新的K3-picene和最好的金属M3-菲进一步发现,进行自发过渡时,允许自旋极化,过渡不一定是真实的,但它强调的必要性,包括超越DFT的相关性从金属到反铁磁绝缘体。的金属相,可能是相关的声子驱动的超导性的特点是强调。
2014-08-27 cond-mat.mtrl-sci cond-mat.supr-con
Training machine-learning potentials for crystal structure prediction using disordered structures
预测具有未探索组成的多元(三元或更高)化合物的稳定晶体结构需要在探索广阔的构型空间时快速准确地评估自由能。机器学习潜力,如神经网络潜力(NNP),准备满足这一要求,但缺乏晶体结构的信息在选择训练集方面提出了挑战。在这里,我们建议从基于密度泛函理论(DFT)的液体和淬火非晶相的动力学轨迹构建训练集,除了化学成分外,它不需要任何关于材料结构的先前信息。为了证明训练的NNP在晶体结构预测中的适用性,我们比较了Ba2AgSi3,Mg2SiO4,LiAlCl4和InTe2O5F在实验阶段的NNP和DFT能量以及理论上产生的低能晶体结构。对于每种材料,我们发现DFT和NNP能量之间存在很强的相关性,确保NNP可以正确地对低能晶体结构中的能量进行排序。我们还发现,使用NNPs的进化搜索可以识别低能量亚稳相比DFT为基础的方法更有效。通过提出一种开发可靠的机器学习潜力来预测晶体结构的方法,这项工作将为有效识别未探索的多元相铺平道路。
2020-12-03 cond-mat.dis-nn cond-mat.mtrl-sci physics.comp-ph
Inverse Design Method with Enhanced Sampling for Complex Open Crystals: Application to Novel Zeolite Self-Assembly in a Coarse-Grained Model
本研究提出一种结合增强采样分子动力学与进化参数优化的逆向设计流程,在粗粒化模型中成功重现并发现了多种沸石骨架,为沸石合成方案筛选和新型结构发现提供了有效工具。
2024-10-29 cond-mat.mtrl-sci cond-mat.soft physics.chem-ph