Soliquidy: a descriptor for atomic geometrical confusion
本文提出几何描述符 Soliquidy，以欧几里得输运成本表征原子有序与无序状态，并结合生成焓构建金属玻璃形成分类器。
2025-01-29 cond-mat.mtrl-sci
Atomic positions independent descriptor for machine learning of material properties
使用机器学习方法高通量筛选周期性无机固体需要原子位置来将结构和组成细节编码到适当的材料描述符中。这些原子位置对于新材料是不可用的{ \it先验}，这严重限制了对新材料的探索。我们克服了这个限制，只使用晶体对称性信息的材料结构描述。我们发现，对于具有相同结构对称性的材料，机器学习是微不足道的，并且可以通过仅使用材料描述中的原子序数来实现与密度泛函理论计算相似的精度。对于散装晶体固体形成能的机器学习，这种简单的材料描述符能够在由85，000多种不同材料组成的测试数据集上实现仅0.07 eV/原子的预测平均绝对误差。这种与原子位置无关的材料描述符提出了一种新的材料发现途径，其中可以通过在大幅减少的材料子空间上训练机器学习模型来筛选数百万种材料。
2018-09-14 cond-mat.dis-nn cond-mat.mtrl-sci physics.data-an
Constructing and Compressing Global Moment Descriptors from Local Atomic Environments
本研究提出一种可系统改进的方法，从局部原子环境描述符结合统计与化学元素信息构建全局结构描述符，应用于硫代磷酸锂结构并通过信息论得到最优压缩描述符，验证了其在能量预测任务中的性能。
2023-10-09 cond-mat.mtrl-sci physics.chem-ph
Permutation-adapted complete and independent basis for atomic cluster expansion descriptors
本文提出利用广义Wigner符号的递推与置换性质构造逐块线性无关的置换适配旋转与置换不变基组，解决了ACE基组过完备问题，并在钽势开发中验证其有效性。
2024-02-26 cond-mat.mtrl-sci
LATTE: an atomic environment descriptor based on Cartesian tensor contractions
Scuola Internazionale Superiore di Studi Avanzati（国际高等研究学院）；CNR-IOM DEMOCRITOS, Istituto Officina dei Materiali（国家研究委员会材料研究所DEMOCRITOS项目组）；NVIDIA Corporation（英伟达公司）
本研究提出基于笛卡尔张量收缩的新型局部原子环境描述符LATTE，可高效构建带可学习参数的多体项，兼具高效性与可扩展性，在多个体系中性能可比肩快速势函数，且精度可接近当前最优水平。
2024-05-13 cond-mat.mtrl-sci cs.LG physics.chem-ph
Through the eyes of a descriptor: Constructing complete, invertible descriptions of atomic environments
在这项工作中，我们将用于描述3D图像的方法应用于以原子的旋转，平移和排列不变的方式编码原子环境的问题，并且至关重要的是，可以解码回原始环境模全局方向，而无需训练模型。从解码的角度来看，描述符是最佳的完整的，可以扩展到任意顺序，允许系统收敛的描述的保真度。在分子大小从3到29个原子的实验中，我们证明了位置可以以97%的成功率解码，位置加上物种的成功率为70%，如果使用第二个指纹，则上升到95%。在所有情况下，对于具有17个或更少原子的分子观察到一致的恢复。此外，我们评估的描述符的性能预测的能量和力量的散装镍，铜，锂，钼，硅和锗的DFT数据训练的神经网络模型。当与使用各种描述符和回归方案的六种机器学习交互潜在方法进行比较时，发现我们的描述符具有竞争力，在某些情况下优于成熟的方法。从不需要学习的表示中解码和进行属性预测的组合能力为构建生成模型的新方法奠定了基础，该生成模型的任务是解决预测原子排列的逆问题，这些原子排列在统计上可能具有某些期望的属性。
2021-10-27 cond-mat.dis-nn cond-mat.mtrl-sci
Inverse Materials Design via Joint Generation of Crystal Structures and Local Electronic Descriptors
The University of Tokyo（东京大学）；Institute of Industrial Science, The University of Tokyo（东京大学工业科学研究所）
本文提出一种扩散框架，通过共享得分网络联合去噪晶体结构变量和局部电子描述符，提升生成结构的多样性、物理合理性和性能条件满足率。
2026-05-02 cond-mat.mtrl-sci
Density-of-states similarity descriptor for unsupervised learning from materials data
我们开发了一个基于电子态密度的材料描述子，并在此基础上研究了材料的相似性。作为应用实例，我们研究了计算二维材料数据库，该数据库包含数千种二维材料，并利用密度泛函理论计算了它们的性质。结合我们的描述符与聚类算法，我们确定具有相似电子结构的材料组。我们表征这些集群在他们的晶体结构，原子组成，和各自的电子配置合理化发现（不）相似性。
2022-01-06 cond-mat.mtrl-sci
A Local Concentration-based Descriptor Predicting the Stacking Fault Energy of Refractory High Entropy Alloys
层错能是表征材料力学性能的重要参数。然而，在高熵合金（HEAs）中，局部化学环境在不同的堆垛层错平面上变化显着，导致SFE值的大幅波动，而不是唯一的值，这禁止了局部SFE的预测。在此，我们提出了一个有效的描述符的基础上的局部浓度比附近的堆垛层错定量预测的局部超临界流体的难治性HEAs。我们发现，一个给定的元素在确定超临界流体的作用强烈依赖于它的价电子数相对于其他组件和它的s-和d-电子的贡献，其凝聚力的性质，这可以理解的紧束缚模型的框架。值得注意的是，该描述符不仅统一了从简单合金到HEA的SFE的局部性质，而且还有助于快速设计HEA，因为所涉及的参数很容易获得。
2023-03-27 cond-mat.mtrl-sci
High-performance descriptor for magnetic materials: Accurate discrimination of magnetic structure
本研究拓展SOAP形式体系，引入基于矢量球谐函数的磁结构描述符及四阶部分谱，实现不依赖人为晶体设定的高对称性精准磁结构判别，还可适配无自旋轨道耦合的计算结果，在Mn₃Ir等材料中验证了有效性。
2023-06-26 cond-mat.mtrl-sci
Inversion of the chemical environment representations
用于材料设计的机器学习生成方法是通过在适当的原子特征上表示给定的化学结构（固体或分子）来构建的，所述原子特征通常称为结构描述符。这些必须完全描述系统，必须促进训练过程，并且必须是可逆的，以便可以提取对应于模型输出的原子配置。通常，最有效的结构描述符不会自动满足最后一个要求，即表示不是直接可逆的。这样的缺点严重限制了我们选择最合适的描述符的自由，从而限制了我们构建生成模型的灵活性。在这项工作中，我们提出了一个通用的优化方法，能够反转任何当地的多体描述符的化学环境，回到一个carbohydrate表示。该算法，然后实施与局部结构的双谱表示，并证明了一些分子。因此，这里提出的方案，代表了一种通用的方法来反转的结构描述符，使有效的结构生成模型的建设。
2022-01-27 cond-mat.mtrl-sci
Explaining the Entropy Forming Ability with the atomic size mismatch
该研究通过原子弛豫发现熵形成能力与晶格畸变成反比，提出用Hume-Rothery规则解释多主元材料的相稳定性，为快速筛选单相材料提供新视角。
2023-05-11 cond-mat.mtrl-sci
Maximum volume simplex method for automatic selection and classification of atomic environments and environment descriptor compression
指纹距离度量原子环境的相似性，通常从原子环境指纹向量计算。在这项工作中，我们提出了单纯形法，可以执行逆操作，即计算指纹向量的指纹距离。以这种方式找到的指纹向量指向单纯形的角。对于一个大的指纹数据集，我们可以找到一个特定的最大体积单纯形，其维数给出了指纹向量空间的有效维数。我们表明，这个单纯形的角落对应的地标环境，可以用在一个全自动的方式来分析结构。通过这种方式，我们可以检测晶界或碳薄片边缘的原子，而无需任何关于预期环境的人工输入。通过将指纹投影到最大体积的单纯形上，我们还可以获得比原始指纹向量短得多但其信息量没有显着减少的指纹向量。
2020-09-14 cond-mat.mtrl-sci physics.comp-ph
Bidirectional Learning of Relationships between Atomic Environments and Electronic Band Dispersion in Semiconductor Heterostructures
Ann and H.J. Smead Aerospace Engineering Sciences, University of Colorado Boulder（科罗拉多大学博尔德分校安恩和H.J.斯梅德航空航天工程科学系）
本文提出一种双向学习方法，通过原子分辨光谱函数连接原子环境与电子能带散射，揭示异质结中不同原子环境的光谱特征，并为解释光谱数据和探索复杂半导体异质结的电子性质提供新途径。
2026-03-05 cond-mat.mtrl-sci
Agnostic calculation of atomic free energies with the descriptor density of states
提出一种无需先验指定原子间势的模型不可知方法，利用描述符态密度与条件分数匹配计算原子振动自由能，避免了高维积分，在微秒级实现高精度可微分预测，并成功应用于相变预测与逆向设计微调。
2025-03-04 cond-mat.mtrl-sci cond-mat.stat-mech
Universal Catalyst Design Framework for Electrochemical Hydrogen Peroxide Synthesis Facilitated by Local Atomic Environment Descriptors
提出一种结合局域原子环境描述符、机器学习与微动力学建模的通用框架，实现跨四类材料的高效筛选，并准确预测吸附自由能，显著加速高性能2e-水氧化反应催化剂的设计。
2025-01-22 cond-mat.mtrl-sci physics.chem-ph
A novel graph-based formulation for characterizing morphology with application to organic solar cells
有机太阳能电池由于其低成本、卷对卷可制造性和机械灵活性的承诺而具有广泛使用的潜力。然而，部署受到其相对较低的功率转换效率的阻碍。在过去的十年中，通过各种策略在增强这些设备的功率转换方面取得了重大进展。一种这样的方法是基于形态控制。这是因为形态影响太阳能转换中涉及的所有现象：光吸收和电子-空穴对（激子）产生;激子扩散和解离成自由电荷;以及电荷向电极的传输。在实验表征和计算建模的进展，现在允许重建和成像的薄膜形态。这开辟了将制造与形态以及形态与性能合理联系起来的可能性。因此，一套全面的计算工具来快速量化和分类薄膜的异质内部结构，将是非常宝贵的连接过程，结构和性能。我们提出了一种新的基于图形的框架，有效地构建了一个广泛的物理意义的形态描述符。根据有机太阳能电池内的物理子过程，这些形态描述符被进一步分类。该方法的动机之间的等价性的离散形态和标记，加权，无向图。我们利用这种方法来提出与结构表征相关的关键问题。随后，我们构建各种效率的估计和上界。通过表征热退火对薄膜形态随时间演变的影响来展示该方法。最后，我们制定自然的扩展，以表征结晶度和各向异性的形态使用的框架。
2011-06-27 cond-mat.mtrl-sci
Learning from metastable grain boundaries
本研究利用含约5000个对称倾斜铜晶界态的原子数据库，结合应变泛函描述符与无监督方法，构建回归模型预测晶界性能，验证了数据驱动方法建立晶界结构-性能关系的有效性。
2024-05-31 cond-mat.mtrl-sci
Materials property prediction using symmetry-labeled graphs as atomic-position independent descriptors
计算材料筛选研究需要快速计算数千种材料的特性。计算通常用密度泛函理论（DFT）进行，但所需的计算机时间限制了研究的材料空间。因此，开发用于预测DFT计算性质的机器学习模型是当前感兴趣的。\emph{new}材料的一个特殊挑战是原子位置通常是未知的。我们提出了一个机器学习模型预测DFT计算的形成能量的基础上Voronoi商图和局部对称性分类，而不需要详细的信息原子的位置。该模型实现为消息传递神经网络，并在开放量子材料数据库（OQMD）和材料项目数据库上进行测试。测试平均绝对误差在OQMD数据库中为20 meV，在材料项目数据库中为40 meV。在一个现实的计算筛选设置的预测的可能性进行了研究的数据集上的5976 ABSe $_3$硒与非常有限的重叠与OQMD训练集。在OQMD上的预训练和在100个硒化物上的后续训练导致硒化物的形成能量的平均绝对误差低于0.1 eV。
2019-10-15 cond-mat.mtrl-sci stat.ML
On the Relationship and Distinction Between Atomic Density and Coordination Number in Describing Grain Boundaries
本文指出仅用配位数描述晶界会忽略原子间距非均匀性，提出原子密度场能同时捕捉键缺失与间距变化，并在BCC-Fe晶界中验证其可更全面地描述过剩自由体积、能量和熵，从而为晶界热力学与动力学提供更有效的介观桥梁。
2025-08-22 cond-mat.mtrl-sci
Leveraging Orbital Information and Atomic Feature in Deep Learning Model
基于材料的微观结构预测材料性能一直是一个具有挑战性的问题。最近，许多深度学习方法被开发用于材料性能预测。在这项研究中，我们提出了一个晶体表示学习框架，轨道CrystalNet，OCrystalNet，它包括两个部分：原子描述符生成和图形表示学习。在OCrystalNet中，首先将轨道场矩阵（OFM）和原子特征结合起来，构造OFM-特征原子描述符，然后将原子描述符作为原子嵌入原子键消息传递模块，利用晶体图的拓扑结构学习晶体表示.为了证明OCrystalNet的能力，我们在Material Project数据集和JARVIS数据集上执行了许多预测任务，并将我们的模型与其他基线和最先进的方法进行了比较。为了进一步展示OCrystalNet的有效性，我们对我们的模型进行了消融研究和案例研究。结果表明，我们的模型有各种优势，比其他国家的艺术模型。
2022-10-29 cond-mat.mtrl-sci cs.AI cs.LG
Characterizing solute hydrogen and hydrides in pure and alloyed titanium at the atomic scale
Ti对氢具有高亲和力，是典型的氢化物形成剂。钛氢化物是一种脆性相，可能导致钛合金的早期失效。在这里，我们使用原子探针断层扫描和电子显微镜，以调查在一组标本的商业纯钛，模型和商业钛合金的氢分布。虽然可能是在用聚焦离子束制备样品的过程中部分引入的，但我们发现在商业纯Ti和α+ \b{eta}二元模型合金中，沿α晶界和α/\b{eta}相界形成了Ti-β。在加入Al或Mo过饱和淬火的合金中，α相没有出现过饱和。
2018-03-11 cond-mat.mtrl-sci
Crystal Structure Prototype Identification via Element-Mapped Rotation-Invariant Descriptors
Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences（中国科学院上海微系统与信息技术研究所）
该研究提出一种元素映射旋转不变描述符方法，结合可训练块对角投影与MLP，实现272类晶体结构原型的原子级分类，准确率达99.38%，运行高效可用于网站部署。
2026-08-28 cond-mat.mtrl-sci
Generalized Representative Structures for Atomistic Systems
本文提出广义代表性结构（GRS）方法，利用原子簇展开（ACE）基生成不受固定晶格限制的小型原子结构，高效重现任意材料系统的结构与化学特征，在数据集精简与新颖结构生成上优于现有方法。
2024-09-20 cond-mat.mtrl-sci physics.comp-ph
Efficient and Accurate Machine-Learning Interpolation of Atomic Energies in Compositions with Many Species
用于原子模拟的机器学习势（MLP）是传统经典势的一个有前途的替代方案。目前的方法依赖于局部原子环境的描述符，其尺寸随着化学物种的数量呈二次方增加。在这篇文章中，我们证明了这种缩放在实践中可以避免。我们表明，一个数学上简单，计算效率高的描述符与恒定的复杂性是足够的，以代表过渡金属氧化物的组合物和生物分子含有11个化学物种的精度约为3毫电子伏/原子。这一见解消除了MLP效用的感知界限，并为研究具有十多种化学物质的以前无法访问的材料的物理学铺平了道路。
2017-12-01 cond-mat.dis-nn cond-mat.mtrl-sci
SG-NNP: Species-separated Gaussian Neural Network Potential with Linear Elemental Scaling and Optimized Dimensions for Multi-component Materials
本研究提出具有线性原子缩放、低信息简并度的新型高斯型描述符，构建SG-NNPs模型，经多组超参数与设计选择验证鲁棒性，在更低维度下于多种单组分及多组分材料的原子力、总能量预测上性能优于现有原子间势。
2024-07-09 cond-mat.mtrl-sci
A Superior Descriptor of Random Textures and Its Predictive Capacity
两相随机纹理在多孔介质、复合介质、生态结构、生物介质和天体物理结构等多种环境中大量存在。围绕这种纹理的空间结构的问题继续提出许多理论挑战。例如，两点关联函数可以被识别，可以管理测量，但反映非平凡的高阶结构信息的纹理？我们提出了一个新的解决方案，这个问题的最广泛的类的不同类型的两点函数的信息内容进行调查，迄今为止，使用逆“重建”技术。这使我们能够表明，一个优越的描述符是两点聚类函数$C_2({\bf r})$，这是敏感的拓扑{ \it连通性}信息。我们证明了实用的$C_2({\bf r})$准确重建纹理绘制从材料科学，宇宙学和颗粒介质，以及其他例子。我们的工作提出了一个全新的理论途径来预测随机纹理的体物理性质，也有重要的分歧，原子和分子系统。
2012-01-03 cond-mat.mtrl-sci
On the Completeness of Atomic Structure Representations
多体描述符被广泛用于在机器学习的原子间势的构造中表示原子环境，并且更广泛地用于原子结构上的拟合、分类和嵌入任务。人们普遍认为三体描述符唯一地指定了原子的环境，直到类似原子的旋转和排列。我们产生了几个反例，这种信念，其后果是，任何分类器，回归或嵌入模型的原子为中心的属性，使用3（或4）体功能将不正确地给出相同的结果为不同的配置。将全局属性（如总能量）写为许多以原子为中心的贡献的总和，可以减轻但不能消除这一基本缺陷的影响，这解释了当前“机器学习”力场的成功。我们预测随着所需精度的提高而出现的问题，并提出潜在的解决方案。
2020-06-05 cond-mat.mtrl-sci physics.chem-ph
Predicting Material Properties Using a 3D Graph Neural Network with Invariant Local Descriptors
物理性质的准确预测对于发现和设计新材料至关重要。机器学习技术因其大规模筛选的潜力而引起了材料科学界的极大关注。图卷积神经网络（GCNN）是最成功的机器学习方法之一，因为它在描述3D结构数据方面的灵活性和有效性。现有的GCNN模型大多关注于拓扑结构，但过度简化了三维几何结构。然而，在材料科学中，原子的三维空间分布对于确定原子状态和原子间力至关重要。本文提出了一种具有新卷积机制的自适应GCNN，该机制同时对三维空间中所有相邻原子之间的原子相互作用进行建模。我们将所提出的模型应用于预测材料性能的两个具有明显挑战性的问题。第一个是金属有机框架（MOFs）中气体吸附的亨利常数，这是众所周知的困难，因为它对原子构型的高度敏感性。第二个是固态晶体材料中的离子电导率，这是困难的，因为很少有标记的数据可用于训练。新模型在这两个数据集上的表现都优于现有的基于图形的模型，这表明关键的三维几何信息确实被捕获了。
2021-11-22 cond-mat.mtrl-sci cs.AI
Persistent homology-based descriptor for machine-learning potential of amorphous structures
The Institute of Scientific and Industrial Research, Osaka University（大阪大学产业科学研究所）；Institute for Molecular Science（分子科学研究所）；JST, PRESTO（日本科学技术振兴机构PRESTO项目）；Center for Artificial Intelligence and Mathematical Data Science, Okayama University（冈山大学人工智能与数学数据科学中心）；The University of Tokyo（东京大学）
针对非晶材料物理性质预测的挑战，提出基于持续同调的新型描述符，无需超参数调优和深度学习即可有效构建机器学习势。
2023-05-22 cond-mat.dis-nn cond-mat.mtrl-sci cs.LG
Strain Functionals: A Complete and Symmetry-adapted Set of Descriptors to Characterize Atomistic Configurations
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Baylor University（贝勒大学）
提出应变泛函描述符框架，利用高斯核映射原子量并构造完备的旋转不变描述符，可区分晶体对称性、识别缺陷并测量变形，适用于原子模拟数据分析。
2026-10-30 cond-mat.mtrl-sci physics.app-ph
On representing chemical environments
我们回顾了最近发表的一些方法来表示原子邻域环境，并分析了他们的相对优点，在他们的忠实性和适用性拟合势能面。这种表示（有时称为描述符）必须具有的关键性质是相对于移动原子的可微性，以及物理学基本对称性的不变性：旋转，反射，平移和同种原子的排列。我们表明，某些广泛使用的描述符，最初看起来很不同的是一个一般的方法，其中一组有限的基函数与角波数增加被用来扩大原子邻域密度函数的具体情况。使用的例子系统的小集群，我们定量地表明，这种扩展需要进行到越来越高的波数的邻居的数量增加，以获得一个忠实的表示，和变量的描述符收敛在非常不同的速度。我们还提出了一个全新的方法，称为平滑重叠的原子位置（SOAP），回避这些困难，直接定义任何两个邻域环境之间的相似性，并表明它仍然是紧密相连的不变描述符。我们测试的性能，通过拟合模型的小硅团簇和大块晶体的势能面的各种表示。
2013-03-20 cond-mat.mtrl-sci physics.comp-ph
Bridging Crystal Structure and Material Properties via Bond-Centric Descriptors
Center for High Pressure Science and Technology Advanced Research（高压科学与技术前沿研究中心）；Renmin University of China（中国人民大学）；Institute of Physics, Chinese Academy of Sciences（中国科学院物理研究所）；Field Quantum Research Institute（场量子研究所）；Ningbo University（宁波大学）
本文提出键吸引性描述符，通过键中心数据库提供预计算的键描述符，使机器学习模型能够基于物理特征进行预测，提升模型可解释性和泛化能力。
2026-07-28 cond-mat.mtrl-sci
Descriptor-Based Classification of Interfacial Electronic Coupling in Janus XP3-Based 2D Heterostructures
Instituto de Física, Universidade Federal de Mato Grosso（马托格罗索联邦大学物理研究所）；National Institute of Science and Technology on Materials Informatics（材料信息学国家科学与技术研究所）；Instituto Federal de Educação, Ciência e Tecnologia do Triângulo Mineiro（米纳斯吉拉斯三角区联邦教育、科学与技术学院）；Departamento de Física,Universidade Federal de Lavras（拉夫拉斯联邦大学物理系）
本文通过第一性原理密度泛函理论研究了Janus异质双层的电子耦合特性，建立描述符框架区分了范德瓦尔斯、极性共价和离子相互作用，揭示了异质结构的光电性能和红ox过程潜力。
2026-03-16 cond-mat.mtrl-sci
Linking quantum mechanical features to structural phase-transformation in inorganic solids
研究提出局部晶格畸变描述符，结合量子力学效应预测含镧系和过渡金属无机固体的结构相变，并通过实验验证了其准确性和通用性。
2025-03-05 cond-mat.mtrl-sci
Characterizing oxygen atoms in perovskite and pyrochlore oxides using ADF-STEM at a resolution of a few tens of picometers
我们提出了一个像差校正扫描透射电子显微镜（ac-STEM）分析的钙钛矿（LaFeO 3）和烧绿石（Yb 2 Ti 2 O 7和Pr 2 Zr 2 O 7）氧化物，并证明了在环形暗场（ADF）图像中的可见原子柱的形状和对比度是敏感的低原子序数（如氧）附近的原子的存在。我们发现，点缺陷（如氧空位），这是不可见的-或难以观察到由于有限的灵敏度-在X射线和中子衍射测量，是复杂的磁性基态的烧绿石氧化物的起源。此外，我们首次提出了一种方法，通过该方法可以在定量ADF-STEM图像中分辨轻原子。利用这种方法，我们解决了钙钛矿和烧绿石氧化物中的氧原子。
2020-09-21 cond-mat.mtrl-sci
Structural Dynamics Descriptors for Metal Halide Perovskites
本文提出了一套用于金属卤化物钙钛矿的结构动力学描述符和Python工具包，通过分子动力学模拟定量分析八面体倾斜、局部晶格参数等结构性质，并在甲基溴化铅和CsPbI$_3$中验证了其有效性，发现了相变温度附近的对称性破缺效应。
2023-07-23 cond-mat.mtrl-sci
Entropic Stabilization and Descriptors of Structural Transformation in High Entropy Alloys
该研究通过第一性原理分析，揭示了高熵合金Nb$_x$(HfZrTi)$_y$在16% Nb浓度下的HCP到BCC结构转变，并指出内部晶格畸变在转变处达到峰值，且振动熵对稳定性贡献超过构型熵。
2023-03-03 cond-mat.mtrl-sci
Predictability as a probe of manifest and latent physics: The case of atomic scale structural, chemical, and polarization behaviors in multiferroic Sm-doped BiFeO3
本文利用高斯过程回归分析Sm掺杂BiFeO3的原子分辨率STEM多模态观测数据，通过不同描述符组合对局部极化场的可预测性及不确定性，揭示畴壁和界面等微结构背后的物理机制，提出以可预测性作为探测凝聚态系统物理的新方法。
2021-01-31 cond-mat.mtrl-sci
A New Kind of Atlas of Zeolite Building Blocks
我们分析了Deem数据库中的假设沸石的结构基序，以调查在该数据库中发现的结构多样性是否可以很好地表示由经典的描述符，如距离，角度，和环的大小，或是否更一般的表示原子结构，提供的平滑重叠的原子位置（SOAP）的方法，需要捕捉准确的结构-性能关系。我们通过机器学习数据集中每个假设框架的摩尔能量和体积来评估每个描述符的质量。我们已经发现，SOAP的截止长度为6 μ m，超越了近邻四面体，最好地描述了Deem数据库中的结构多样性，通过捕获相关的原子间的相关性。内核主成分分析表明，SOAP保持其优越的性能，即使在降低其维度的经典描述符，和前三个内核主成分捕获的数据集中的主要变化，允许在Deem数据库中的本地环境的三维点云可视化。人们发现，这种局部环境的"云图”与给定基序对其母体框架的密度和稳定性的贡献具有良好的相关性。从SOAP/机器学习分析构建的局部体积和能量图提供了沸石的新图像，其揭示了给定框架中局部体积和能量的平滑变化，以及给定框架中局部体积和能量之间的相关性。
2019-07-08 cond-mat.mtrl-sci physics.comp-ph
Ultra-high-density double-atom catalyst with spin moment as activity descriptor for oxygen reduction reaction
针对原子分散催化剂金属负载量低的问题，理论证实了负载量超40 wt%的超高密度双原子催化剂的存在与多维度稳定性，其ORR活性优异且自旋磁矩可作为活性描述符，为相关实验探索提供新思路。
2023-05-04 cond-mat.mtrl-sci
Quantifying the dynamics of protein self-organization using deep learning analysis of atomic force microscopy data
使用高速原子力显微镜可视化的无机表面上的蛋白质自组装的动力学和由此产生的几何图案。经典的宏观描述符，如2D快速傅立叶变换（FFT），相关性和对分布函数的时间动力学探索使用无监督的线性解混，演示了静态有序和动态无序相的存在，并建立其时间动力学。开发基于深度学习（DL）的工作流程，以逐粒子分析详细的粒子动力学。除了宏观描述符，我们利用局部粒子的几何形状和配置的知识，探索局部几何形状的演变，并重建粒子之间的相互作用势。最后，我们使用基于机器学习的特征提取来定义粒子邻域的物理约束。这种方法允许分离粒子行为的可能类别，识别相关的转移概率，并进一步扩展这种分析以识别慢模式和相关配置，从而允许系统的时间动态的系统探索和预测建模。总体而言，这项工作建立了DL为基础的工作流程，从观测数据分析的自组织过程中的复杂系统，并提供了洞察的基本机制。
2020-06-05 cond-mat.dis-nn cond-mat.mtrl-sci physics.comp-ph
Quantum chemical roots of machine-learning molecular similarity descriptors
在这项工作中，我们探讨了分子相似性描述符的量子化学基础。这些描述符是机器学习遍历化合物空间的关键。我们的重点是库仑矩阵和原子位置的平滑重叠（SOAP）。我们采用了一个基本的框架，使我们能够连接两个描述符的电子结构理论。这个框架使我们能够定义两个与电子结构理论更密切相关的新描述符，我们称之为库仑列表和电子密度平滑重叠（SOED）。通过研究它们作为分子相似性描述符的有用性，我们获得了库仑矩阵和SOAP如何以及为什么工作的新见解。此外，库仑列表避免了库仑矩阵的有点神秘的对角化步骤，并可能提供一种直接的方法来提取子系统信息，可以在不同维度的玻恩-奥本海默表面上进行比较。对于电子密度，我们推导出必要的形式主义，以创建SOED措施密切类似于SOAP。由于这种形式主义是更多的参与比SOAP，我们审查的基本理论，但也引入了一组近似，最终使我们能够与SOED在相同的实现可用于评估SOAP。我们把我们的分析集中在基元反应步骤上，其中过渡态结构与反应物或产物结构比后两者彼此更相似。然而，由于多构型效应的影响，过渡态结构的电子能量的预测可能比稳定中间体的电子能量的预测更困难。问题是在多大程度上植根于电子结构理论的分子相似性描述符可以解决这些复杂的影响。
2022-10-07 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Lowering the Exponential Wall: Accelerating High-Entropy Alloy Catalysts Screening using Local Surface Energy Descriptors from Neural Network Potentials
针对高熵合金催化筛选的指数级计算瓶颈，提出基于局域表面能描述符的线性回归与机器学习方法，实现快速高精度预测，大幅加速催化剂设计。
2025-01-27 cond-mat.mtrl-sci quant-ph
Analytical method for parameterizing the random profile components of nanosurfaces imaged by atomic force microscopy
在生物技术、电子和机械工程中，许多技术表面的功能特性在很大程度上取决于其纳米级表面纹理的个体特征，这反过来又是表面制造过程的函数。在这些特征中，在不同空间尺度下，特别是在1至100 nm范围内的表面不规则性和自相似性结构是非常重要的，因为它们极大地影响了作用在纳米级距离处的表面相互作用力。提出了一种原子力显微镜（AFM）成像纳米表面的表面不规则性及其相关性的参数化分析方法。在这种方法中，闪烁噪声光谱-一种统计物理方法-被用来开发六个纳米计量参数，其特征在于跳跃和尖峰状的不规则性到表面纹理的高频贡献。这些贡献分别反映了表面制造过程中反常扩散和惯性效应的随机过程。利用原子力显微镜（AFM）对低碳钢表面在硝酸盐溶液中形成的含涂层生长促进剂的耐蚀磁铁矿涂层在不同温度下的织构进行了分析。结果表明，表征表面尖峰的参数是能够量化的工艺温度对涂层的耐腐蚀性的影响。这些参数可用于预测和表征磁铁矿涂层的耐腐蚀性能。
2010-10-29 cond-mat.mtrl-sci physics.chem-ph
Analysis of local structure of mechanical and thermal rearrangements in glasses with the atomic cluster expansion
该研究用 ACE 描述符和体序线性分类器识别玻璃中热激活与剪切重排的活性粒子，揭示二元混合物与聚合物玻璃对两体、三体结构关联的不同需求。
2024-10-04 cond-mat.dis-nn cond-mat.mtrl-sci cond-mat.soft
Atomic-scale identification of the active sites of nanocatalysts
合金纳米催化剂在燃料电池、催化转化器和加氢反应等领域有着广泛的应用。尽管进行了广泛的研究，但由于局部原子环境的异质性，确定纳米催化剂的活性位点仍然是一个重大挑战。在这里，我们先进的原子电子断层扫描，以确定三维局部原子结构，表面形貌和化学组成的PtNi和Mo掺杂的PtNi纳米催化剂。使用通过密度泛函理论计算训练的机器学习，我们从实验的3D原子坐标中识别出氧还原反应的催化活性位点，并通过电化学测量证实。通过量化构效关系，我们发现了一个局部环境描述符，可以在原子水平上解释和预测催化活性中心。确定3D原子结构和化学物种的能力与机器学习相结合，有望扩大我们对各种纳米催化剂的基本理解。
2022-02-18 cond-mat.mtrl-sci physics.chem-ph
Physics-Informed Glass-Structure Descriptors for Assessing the Intrinsic Reactivity of Mixed Amorphous-Crystalline Precursors in Alkali-Activated Materials
Hebei University of Technology（河北工业大学）；Rice University（莱斯大学）；Rice Advanced Materials Institute, Rice University（莱斯大学先进材料研究所）；Ken Kennedy Institute, Rice University（莱斯大学肯·肯尼迪研究所）
本文提出基于物理的玻璃结构描述符，用于评估碱激活材料中混合非晶-结晶前驱体的内在反应性，通过分子动力学模拟和实验分析，改进了描述符以覆盖更广的组成空间，并展示了其在评估反应性方面的有效性。
2026-02-13 cond-mat.dis-nn cond-mat.mtrl-sci
Reconstruction of the lattice Hamiltonian models from the observations of microscopic degrees of freedom in the presence of competing interactions
扫描探针和电子束成像技术的出现，使得人们可以在单个原子单位的水平上对原子结构以及电子和振动结构的微小细节进行定量研究。这些微观描述符又可以与局部对称性破缺现象相关联，代表基础生成物理模型的随机表现。在这里，我们探讨的交换积分的重建的哈密顿晶格模型与两个竞争的相互作用的微观自由度的观察，并建立在一个广泛的参数温度空间的不确定性和可靠性，这样的分析。作为辅助任务，我们开发了一种基于直方图聚类的机器学习方法，使用减少的描述符空间有效地预测相图。我们进一步证明，重建是可能的，以及以上的相变和参数空间的区域时，系统的宏观基态是不好的定义，由于挫折的相互作用。这表明，这种方法可以适用于传统的复杂问题的凝聚态物理，如铁电弛豫和morphotropic相边界系统，自旋和团簇玻璃，量子系统，一旦本地描述符链接到相关的物理行为是已知的。
2020-01-19 cond-mat.mtrl-sci cond-mat.stat-mech physics.comp-ph
High Dimensional Fluctuations in Liquid Water: Combining Chemical Intuition with Unsupervised Learning
水的局部结构的微观描述仍然是一个公开的挑战。在这里，我们采用一种不可知的方法来理解水的氢键网络使用的经验水模型的分子动力学模拟收获的数据。一组最先进的无监督数据科学技术用于表征水的自由能景观，从使用局部原子描述符编码水环境开始，通过降维，最后使用高级聚类技术。在环境条件下的自由能分析被认为是一致的，与一个粗糙的单盆和独立的水模型的选择。我们发现，水网络的波动发生在一个高维空间，我们使用原子描述符和化学直觉为基础的坐标的组合来表征。我们证明，这两种类型的变量的组合是必要的，以充分捕捉在不同的长度尺度在室温下，也接近水的临界点的氢键网络的波动的复杂性。我们的研究结果提供了一个一般的框架，检查在不同条件下的水的波动。
2022-04-04 cond-mat.mtrl-sci cond-mat.soft
Reward driven workflows for unsupervised explainable analysis of phases and ferroic variants from atomically resolved imaging data
University of Tennessee（田纳西大学）；Oak Ridge National Laboratory（橡树岭国家实验室）；Pacific Northwest National Laboratory（太平洋西北国家实验室）；University of Maryland（马里兰大学）
本文提出奖励驱动工作流，以优化无监督机器学习中的描述符与超参数，从而从原子分辨成像数据中发现Sm掺杂BFO薄膜的极化与晶格畸变，并扩展至优化变分自编码器以解耦结构变异因素。
2024-11-19 cond-mat.mtrl-sci cs.HC cs.LG
Towards Universal Material Property Prediction with Deep Learning and Single-Descriptor electronic Density
本文提出一种仅基于电子电荷密度描述符的通用机器学习框架，可准确预测八种材料性质（R²达0.94），并展现多任务学习带来的精度提升，向统一预测所有材料性质迈出关键一步。
2025-10-15 cond-mat.mtrl-sci physics.comp-ph
A Performance and Cost Assessment of Machine Learning Interatomic Potentials
局部环境描述符和原子系统的势能面之间的定量关系的机器学习已经成为原子间势（IAP）发展的新前沿。在这里，我们提出了一个全面的评估ML-IAP的基础上四个本地环境描述符-贝勒-帕里内洛对称函数，平滑重叠的原子位置（SOAP），光谱邻居分析潜力（SNAP）的双谱分量，矩张量-使用不同的数据集，使用高吞吐量的密度泛函理论（DFT）计算。选择包括bcc（Li，Mo）和fcc（Cu，Ni）金属和金刚石IV族半导体（Si，Ge）的数据集以跨越晶体结构和键合的范围。所有研究的描述符表现出优异的性能，在预测的能量和力量远远超过经典的IAP，以及预测性能，如弹性常数和声子色散曲线。我们观察到的准确性和每个模型的自由度之间的一般权衡，因此计算成本。我们将在分子动力学和其他应用的模型选择的背景下讨论这些权衡。
2019-07-24 cond-mat.mtrl-sci physics.comp-ph
