Beyond Structure: Revolutionising Materials Discovery via AI-Driven Synthesis Protocol-Property Relationships
Data-driven materials design group, Center for Basic Research on Materials (CBRM)(数据驱动材料设计组,基本材料研究中心(CBRM));National Institute for Materials Science (NIMS)(国家材料科学研究所(NIMS))
本文提出通过AI驱动的合成协议-性质关系革新材料发现,强调以合成为导向的范式转变,构建可执行合成协议的机器可读协议表示,部署生成和反向设计模型,整合闭环优化以提升实验可行性和可持续性。
2026-05-01 cond-mat.mtrl-sci cs.AI
A general approach for the synthesis of two-dimensional binary compounds
到目前为止,只有少数潜在的二维材料被分离或合成。通常,2D材料是通过机械剥离天然存在的块状晶体以产生原子级薄层来发现的,之后必须开发特定于材料的气相合成方法以可扩展的方式生长感兴趣的候选物。在这里,我们展示了一个一般的方法合成薄层的二维二元化合物。我们应用该方法获得高质量的外延MoS 2薄膜,并将该原理扩展到合成各种其他材料-包括众所周知的和从未分离过的-包括过渡金属硫化物,硒化物,碲化物和氮化物。这种方法大大简化了目前已知材料的合成,并为合成预测和意外的新2D化合物提供了一个通用框架。
2018-05-21 cond-mat.mtrl-sci
Navigating phase diagram complexity to guide robotic inorganic materials synthesis
本文提出基于热力学的前驱体选择策略,在高维相图中避开竞争副产物并提升反应动力学,并通过机器人实验室对35种四元氧化物进行224次反应验证,证明该方法可提高产物相纯度。
2023-04-19 cond-mat.mtrl-sci
Modernist Materials Synthesis: Finding Thermodynamic Shortcuts with Hyperdimensional Chemistry
该研究针对材料合成尤其是亚稳材料选择性合成的难题,通过原位观测与计算热力学发现反应先达局域平衡,提出引入旁观元素构建热力学捷径的思路,为发展复杂材料预测逆合成模型提供支撑。
2023-03-21 cond-mat.mtrl-sci
Quantifying the performance of machine learning models in materials discovery
本研究揭示传统静态误差指标与机器学习模型在序列学习引导的材料发现中的性能无明确关联,分析了影响发现性能的四类因素,并提出Discovery Yield和Discovery Probability作为更合适的评估指标。
2022-10-24 cond-mat.mtrl-sci
Near infra-red optical materials from polymeric amorphous carbon synthesised by collisional plasma process
报道了用微波激发碰撞碳氢等离子体法制备类聚合物非晶碳(a-C:H)薄膜。得到稳定的和高度芳香的a-C:H含有显着的夹杂物的聚(对苯撑亚乙烯基)(PPV)。PPV赋予合成材料通用的光电性能。也就是说,具有定制折射率的a-C:H能够在可见光(红色)-近红外波长范围内变得无吸收。包括苯基簇和/或颗粒的大芳烃的产生归因于在碰撞等离子体条件下元素等离子体物质的增强凝聚。还描述了在等离子体合成过程中a-C:H中发生的详细结构和形态变化。
2010-04-27 cond-mat.mtrl-sci
Materealize: a multi-agent deliberation system for end-to-end material design and synthesis
Seoul National University(首尔大学);University of Toronto(多伦多大学);NVIDIA Corporation(英伟达公司)
Materealize通过多智能体协商系统实现端到端无机材料设计与合成,结合工具精度与推理整合,提升计算发现与实验实现的衔接。
2026-01-22 cond-mat.mtrl-sci
Microwave Assisted Synthesis and Characterization of Perovskite Oxides
微波辐射的使用是用于合成无机材料如钙钛矿氧化物的有前途的替代热源。与传统的陶瓷方法相比,该方法节省了大量的能源和时间。在这项工作中,我们审查的基本原理的微波加热机制的基础上,在材料和电磁微波偶极子之间的相互作用。此外,我们还对微波合成的各个子类型如固态微波合成和微波辅助水热合成进行了分类和评述。在这项工作的实验部分,我们提出了一个大范围的材料,在我们的实验室合成的微波技术,其中这些材料包括超导,铁磁,铁电,介电和多铁性钙钛矿系统。
2014-01-09 cond-mat.mtrl-sci
From Automated Simulation to Autonomous Discovery: A Hierarchical Framework for Agentic Computational Materials Science
School of Materials Science and Engineering, Beihang University(北京航空航天大学材料科学与工程学院)
针对计算材料发现中智能体系统缺乏统一评估框架的问题,提出CMA-AL层次化分类体系,定义六个自主等级并映射现有系统,以引导其向更高自主性演进。
2026-09-30 cond-mat.mtrl-sci
Autonomous synthesis of thin film materials with pulsed laser deposition enabled by in situ spectroscopy and automation
本研究结合脉冲激光沉积(PLD)、原位光谱、自动化与机器学习,实现了2D材料WSe2的自主合成,在仅采样0.25%的4D参数空间下发现了生长窗口与工艺-性能关系,将吞吐量提升10倍,可广泛加速材料发现与优化。
2023-08-16 cond-mat.mtrl-sci
First-principles design and subsequent synthesis of a material to search for the permanent electric dipole moment of the electron
我们描述的第一原理设计和随后的合成的一种新材料的特定功能所需的固态为基础的搜索的永久电偶极矩的electron.We计算表明,钙钛矿结构的铕钛酸钡应表现出所需的大的和压力依赖的铁电极化,本地磁矩,即使在液氦温度和磁有序的情况下。随后的Eu $_{0.5}$ Ba $_{0.5}$ TiO $_3$陶瓷的合成和表征证实了预测的理想性能。
2010-06-18 cond-mat.mtrl-sci
Are we facing a reproducibility crises in materials synthesis? A systematic review of Turkevich AuNP synthesis and CVD MoS2 growth
Federal University of Rio de Janeiro(里约热内卢联邦大学)
研究材料合成中可重复性问题,对Turkevich法合成AuNPs和CVD法生长MoS2进行系统综述与元分析,通过特定方案和算法筛选大量文献,发现关键参数报告不足、统计分析少,证明系统综述等可助于识别差距并指导可靠合成方案发展。
2026-07-17 cond-mat.mtrl-sci
Decoratypes: An Extensible Crystal Taxonomy for Machine Learning-Guided Materials Discovery
Northwestern University(西北大学)
本文提出装饰类型分类体系,结合主动学习构建铁电材料发现框架,预测出六种新型铁电候选材料,助力探索未充分研究的化学空间。
2025-09-09 cond-mat.mtrl-sci
Machine learning, phase stability, and disorder with the Automatic Flow Framework for Materials Discovery
传统的材料发现方法-主要依赖于艰苦的实验-已经控制了技术的步伐。相反,计算方法提供了一个加速的路径:高通量的探索和虚拟结构的表征。这些由自动化从头开始框架执行的项目迅速扩大了可编程访问的数据量,为数据驱动的方法创造了机会。在此,提出了一系列强大的表征方法,在材料发现的自动流框架(AFLOW)中实现,该框架利用材料数据来预测无序材料的相图和特性。这些方法直接解决了材料的可合成性问题,弥合了模拟和实验之间的差距。为这些预测提供动力的是AFLOW.org无机晶体库,这是同类数据库中最大和最全面的数据库,包含200多万种化合物,每种化合物计算出约100种不同的性质。正如使用标准化参数集计算的那样,丰富的数据也提供了有利的学习环境。机器学习算法用于性能预测、描述符开发、设计规则发现和候选功能材料的识别。当与物理模型和智能制定的描述符相结合时,数据成为一个强大的工具,促进了从高温超导体到热电应用的新材料的发现。这些方法已经通过本文介绍的两个新的永磁体的合成进行了验证-这是通过计算方法首次发现的。
2018-11-20 cond-mat.mtrl-sci
Computationally-guided discovery and synthesis of the amorphous nitride Y2WN4
本研究结合计算随机结构采样与实验,发现并合成非晶三元氮化物 Y2WN4,验证其高温稳定、抗氧化、抗 Cu 扩散及 2.24 eV 间接带隙等性能。
2024-12-01 cond-mat.mtrl-sci
Traversing the pyrochlore stability diagram; microwave-assisted synthesis and discovery of mixed B-site Ln$_2$InSbO$_7$ family
镧系烧绿石氧化物Ln $_2$ B $_2$ O $_7$是凝聚态物理中研究最深入的一类材料之一,被牢固地集中为阻挫磁性的支柱之一。火辉石广泛的化学多样性,加上其固有的几何挫折,使实现了广泛的异国情调和复杂的磁基态。因此,新的烧绿石成分的发现一直是一个持续的主题,继续推动该领域在令人兴奋的方向。最近的重点是混合B-网站pyrophores提供了一个独特的路线,调整本地的配位化学和立体,同时保持名义上的原始磁子晶格。在这里,我们提出了一个广泛的概述烧绿石稳定领域,整合最近的合成工作在混合B-网站系统与历史上建立的Ln $_2$ B $_2$ O $_7$家族。同时,我们提出了发现和合成的整个Ln $_2$ InSbO $_7$家庭(Ln:La,Pr,Nd,Sm,Eu,Gd,Tb,Dy,Ho,Er,Tm,Yb,Lu)位于边界附近的烧绿石稳定场使用快速,混合mechanicchemical/微波辅助合成技术。对整个化合物类的磁性表征与锡酸盐类似物有着惊人的相似之处,这表明这些化合物可能具有广泛的奇异磁性基态。
2022-06-24 cond-mat.mtrl-sci cond-mat.str-el
Computational Synthesis of 2D Materials: A High-throughput Approach to Materials Design
二维材料在下一代器件中有着广阔的应用前景,然而,大规模、低缺陷和可重复的二维材料合成仍然是一项具有挑战性的任务。为了帮助选择合适的衬底合成的假设2D材料,我们已经开发了一个开源的高通量工作流程包,$Hetero2d$,搜索低晶格失配衬底表面的任何2D材料,并确定这些2D衬底异质结构的稳定性,使用密度泛函理论(DFT)模拟。$Hetero2d$可自动生成2D衬底异质结构、创建DFT输入文件、在超级计算设备上提交和监控计算作业,并将相关参数与后处理结果一起存储在MongoDB数据库中。我们证明了$Hetero2d$的能力,在确定稳定的二维衬底异质结构的四个二维材料,即$2H$ -MoS $_2$,$1T$ -和$2H$ -NbO $_2$,和六边形ZnTe,考虑50立方元素衬底。我们发现Cu、Hf、Mn、Nd、Ni、Pd、Re、Rh、Sc、Ta、Ti、V、W、Y和Zr衬底充分稳定了这些二维材料的形成能,结合能在~0.1 - 0.6 eV/atom的范围内。在检查的$z$分离,电荷转移,和电子态密度在2D基板界面,我们发现在界面处的共价型键合,这表明,这些基板可以用作接触材料的2D材料。$Hetero2d$(https://github.com/Heterolab/Hetero2d)在GitHub上以GNU许可证下的开源软件包提供。
2021-12-07 cond-mat.mtrl-sci
Agentic AI and Machine Learning for Accelerated Materials Discovery and Applications
Oak Ridge National Laboratory(橡树岭国家实验室);University of Tennessee at Knoxville(田纳西大学诺克斯维尔分校)
本文探讨了代理AI和机器学习在加速材料发现中的应用,重点介绍了高效发现方法、核心概念及大型语言模型,并展示了其在流化学、生物传感器和电池等领域的应用。
2026-01-15 cond-mat.mtrl-sci
Two-step solid-state synthesis of ternary nitride materials
三元氮化物材料在许多光学、电子和耐火材料应用中具有前景,但通过固态合成制备它们仍然具有挑战性。通常,高压或反应性气体用于操纵氮气的有效化学势,但这些策略需要专门的设备。在这里,我们报告了一个简单的两步合成使用离子交换反应,产生岩盐衍生的MgZrN $_2$和Mg $_2$ NbN $_3$,以及层状MgMoN $_2$。所有三种化合物都显示出几乎与温度无关的弱顺磁响应,在低温下施加磁场,表明相纯的产品。合成这些三元材料的关键是初始低温步骤(300-450 $^{\circ}$ C)以促进Mg-M-N键的形成。然后将产物退火(800-900 $^{\circ}$ C)以增加三元产物的结晶域。量热实验表明,初始反应温度由反应前体的相变决定,而直接加热到高温导致分解。这两步反应为其它块体三元氮化物的材料发现提供了合理的指导。
2021-08-18 cond-mat.mtrl-sci
Synthesizing like a chemist: an iterative, feedback-driven loop for materials discovery
Massachusetts Institute of Technology(麻省理工学院);Toyota Research Institute(丰田研究院)
该研究提出一种结合LLM、高光谱成像与多目标贝叶斯优化的闭环框架,可自动化材料合成工作流程,在配对优化中表现优于基线方法,还成功合成了未报道的钙钛矿型化合物Rb3BiI6薄膜。
2026-08-18 cond-mat.mtrl-sci
Towards a Multi-Objective Optimization of Subgroups for the Discovery of Materials with Exceptional Performance
本文探讨了子群发现方法在材料科学中的应用,通过帕累托前沿分析异常性与普遍性的权衡,以发现具有优异性能的材料。
2023-11-17 cond-mat.mtrl-sci
Novel synthesis of topological insulator based nanostructures (Bi2Te3) demonstrating high performance photodetection
2D材料研究的快速发展引发了各种量子纳米结构的生长-纳米片,纳米线,纳米带,纳米晶体和源于2D异质结构的奇异性质已经扩展了传统方法之外的杂化材料的合成。在这里,我们介绍了简单的,一个步骤限制薄熔化的方法来形成TI(拓扑绝缘体)材料的纳米结构,它们的混合异质结构与其他新的二维材料和它们的可扩展的增长。研究了绝缘材料、超导材料、金属材料、半导体材料和铁磁材料的生长与衬底和温度的关系。温度依赖性合成使得单个、少数五元组能够生长成纳米片和纳米晶体。纳米结构生长的密度更多地见于制造的图案或纹理化的基底上。所制备的基于纳米结构的器件显示出从紫外到近红外的宽带光电探测,并表现出高的光响应性。最终,这种独特的合成工艺将使人们能够在用户友好的基底上轻松制造设备,研究纳米结构,并使其未来的技术应用成为可能。
2019-03-06 cond-mat.mtrl-sci
Accelerated Discovery of 3D Printing Materials Using Data-Driven Multi-Objective Optimization
增材制造已成为制造业的前沿技术之一,使以前无法制造的新产品成为可能。尽管存在许多用于增材制造的材料,但它们通常遭受性能权衡,从而阻止它们取代传统制造技术。目前的材料是用低效的人类驱动的直觉方法设计的,这使得它们缺乏最佳解决方案。我们提出了一种机器学习方法来加速发现增材制造材料,并在机械性能方面进行最佳权衡。多目标优化算法通过提出如何混合主要配方以创建性能更好的材料来自动指导实验设计。该算法与半自主制造平台相结合,以显着减少执行实验的数量和解决方案的总时间。在没有任何先验知识的主要配方,所提出的方法自主发现12个最佳的复合材料配方,并扩大发现的性能空间288倍后,只有30次实验迭代。这种方法可以很容易地推广到其他材料配方的问题,并使各种各样的材料设计的完全自动化的发现。
2021-06-29 cond-mat.mtrl-sci
Incorporating quasiparticle and excitonic properties into material discovery
本研究开发Python工作流包$py$GWBSE构建材料准粒子与激子特性数据库,训练出高精度机器学习模型,可高效预测相关物性并用于发现新型光吸收材料。
2024-01-31 cond-mat.mtrl-sci
Origin of the reaction temperature in solid-state materials synthesis
研究固态材料合成中反应温度的起源问题,提出在亚稳共晶温度以上形成瞬态液相作为快速扩散介质引发反应的方法,此原理可用于多种复杂材料合成制造。
2026-08-06 cond-mat.mtrl-sci
High-pressure synthesis of superhard and ultrahard materials
本文简要介绍了超硬材料的高压合成技术。现代高压化学代表了一个巨大的令人兴奋的研究领域,可以导致具有特殊机械性能的新的工业重要材料。这一领域才刚刚开始认识到其巨大的潜力,“未知领域”的形象并没有被滥用。我们专注于这一不断扩大的研究领域的三个方面,详细说明:(一)最有前途的化学系统探索(即“在哪里搜索”);(二)探索这些系统的各种方法策略(即“如何探索”);(三)技术和概念工具,研究后者(即“研究工具”)。这三个方面是至关重要的,在这项研究中的高压-高温合成的新的超硬相(斜方晶γ-B28,类金刚石BC 5,菱面体B13 N2和立方三元B-C-N相)的最新结果的例子说明。最后,简要回顾了该研究领域的一些观点。
2019-10-05 cond-mat.mtrl-sci
Physics-Informed and Knowledge-Driven Generative AI for Autonomous Discovery of Porous Oxide Energy Materials: Opportunities and Challenges
New Jersey Institute of Technology (NJIT)(新泽理工学院)
本文针对多孔氧化物能源材料的自主发现问题,提出整合多维度物理信息的七层逆向设计框架与知识生成体系,为AI驱动的储能材料自主发现提供通用方案。
2026-11-04 cond-mat.mtrl-sci
Comment on: Synthesis, growth and characterization of a new metal organic Nlo material: Dibromo bis(L proline)Cd(II)
Booopathi和Ramasamy的标题论文报告了二溴双(L-脯氨酸)Cd(II)晶体生长和表征的研究(1)。关于化合物(1)的晶体结构和(1)二溴双(L-脯氨酸)Zn(II)(2)和二碘双(2-氨基吡啶)Cd(II)(3)的磁性的许多批评表明化合物1至3不是软磁体而是抗磁性固体。
2015-06-07 cond-mat.mtrl-sci
Machine Learning for Novel Thermal-Materials Discovery: Early Successes, Opportunities, and Challenges
在机器学习的辅助下,材料的高通量计算和实验设计已经成为材料科学中越来越重要的领域。这一研究领域在热科学中出现了飞跃,部分原因是在获得材料热性能的计算和实验方法方面取得了进展。在本文中,我们提供了一个当前的一些最近的工作概述,并强调了我们在这一领域面临的挑战和机遇。特别是,我们专注于使用机器学习和高通量方法来筛选化合物,复合材料和合金的热导率以及界面热导率。这些新工具为理解新的相关性和识别新的描述符带来了反馈机制,加速了新型热功能材料的发现。
2019-01-17 cond-mat.mtrl-sci
AFLOW: An automatic framework for high-throughput materials discovery
计算材料科学的最新进展为结构发现和优化提供了新的机会,包括发现未知的化合物和亚稳结构,电子结构,表面和纳米颗粒特性。这些机会的实际实现需要通过高通量方法系统地生成和分类相关的计算数据。在本文中,我们提出了Aflow(自动流),高通量计算合金,金属间化合物和无机化合物的晶体结构性能的软件框架。科学界可在材料研究联盟的网站aflowlib.org上获得Aflow软件,其几何和电子结构分析和操作工具也可在同一网站上在线操作。自动化方法和用户在线界面的结合为高效的量子计算材料发现和表征提供了强大的工具。
2013-08-26 cond-mat.mtrl-sci
Synthesis of titanate nanostructures using amorphous precursor material and their adsorption/photocatalytic properties
本文报道了一种新的和快速的水热化学路线制备钛酸盐纳米结构(TNS),避免使用晶体TiO 2作为起始原料。该合成方法使用TiCl 3的商业溶液作为钛源来制备无定形前体,从而避免使用有害化合物。研究了反应温度和保压时间对合成材料结构和形貌的影响。在160^{ \circ }C和24 h下合成了具有高长径比的均匀钛酸盐纳米管。在这些实验条件下制备的TNS样品的带隙为3.06 \pm 0.03 eV。该值与通常报道的TiO 2纳米晶的带隙值相比红移了0.14 eV。此外,这种样品表现出更好的吸附能力和光催化性能的染料罗丹明6 G(R6 G)的光降解过程中比TiO 2纳米粒子。在照射10 ppm染料水溶液和1g/L TNS催化剂45分钟后,实现了R6 G浓度的98%降低。
2012-01-17 cond-mat.mtrl-sci
Symmetry Relation Database and Its Application to Ferroelectric Materials Discovery
本文通过自动检测晶体结构间对称性关系的算法,系统筛选Materials Project数据库并建立约4500对极性-非极性结构对数据库,从中发现了多种新型铁电材料,为材料结构预测和新材料发现提供了有力工具。
2022-08-23 cond-mat.mtrl-sci
Assessing Thermodynamic Selectivity of Solid-State Reactions for the Predictive Synthesis of Inorganic Materials
该研究提出初级和次级竞争两种选择性指标,用于评估固态反应中目标相形成的有利程度,并通过分析3,520个反应及钛酸钡合成实验验证,发现非常规前驱体可更高效、更纯净地合成目标材料,为预测性无机合成奠定基础。
2023-09-27 cond-mat.mtrl-sci
Hierarchical Gaussian Process-Based Bayesian Optimization for Materials Discovery in High Entropy Alloy Spaces
针对传统cGP-BO无法利用多材料性能相关性、在高熵合金多目标优化中失效的问题,本研究采用MTGPs、DGPs的先进核结构建模多维性能相关性,结合差异化查询成本策略,加速高熵合金材料发现并提升成本效益。
2024-10-06 cond-mat.mtrl-sci
Mechanochemical Synthesis of the Lead-Free Double Perovskite Cs2[AgIn]Br6 and its Optical Properties
猛烈撞击二元卤化物产生Cs2[AgIn]Br6的形成。无铅双钙钛矿标志着,虽然本身不可用,但在寻找可持续和耐用的钙钛矿材料用于光伏应用方面又向前迈出了一步。Cs2[AgIn]Br6是双钙钛矿材料的突出示例之一,其已被建议规避在钙钛矿太阳能电池中使用铅化合物。我们在此报告使用机械化学方法成功合成的材料。它以elpasolite型结构结晶,这是一种有序的钙钛矿超结构,晶胞参数为a = 11.00 Ω。然而,该化合物表现出2.36 eV的相对较大的光学带隙,并且在光照下不稳定,这阻碍了其在早期阶段用作太阳能吸收材料。尽管如此,铅的替代和这种合成方法的潜力,以及理论考虑与实验材料发现的富有成效的结合,都是有希望的。
2018-10-26 cond-mat.mtrl-sci
High-throughput discovery of novel cubic crystal materials using deep generative neural networks
高通量筛选已成为发现新型功能材料的主要策略之一。然而,由于目前存放在可持续发展国际中心和卡塔尔气象局等材料储存库中的已知材料数量和多样性不足,其有效性受到严重限制。机器学习,特别是深度学习的最新进展已经实现了一种生成策略,该策略学习隐含的化学规则,用于创建具有新组成和结构的化学有效的假设材料。然而,目前的材料生成模型难以生成结构多样、化学有效和稳定的材料。在这里,我们提出了CubicGAN,这是一种基于生成对抗网络(GAN)的深度神经网络模型,用于大规模生成新型立方晶体结构。当对来自OQMD数据库的375,749种三元晶体材料进行训练时,我们表明我们的模型不仅能够重新发现大多数目前已知的立方材料,而且还能够生成新结构原型的假设材料。总共有506种这样的新材料(它们都是三元或四元的)已经通过基于DFT的声子色散稳定性检查进行了验证,其中一些已经被发现可能具有特殊的功能特性。考虑到立方材料在太阳能电池和锂电池等广泛应用中的重要性,我们的GAN模型提供了一种有前途的方法,可以显着扩展当前的材料库,从而通过筛选发现新的功能材料。通过DFT最终验证的新晶体结构可在我们的Carolina Materials Database http://www.carolinamatdb.org上免费访问。
2021-02-05 cond-mat.mtrl-sci
Machine learning for materials discovery: two-dimensional topological insulators
材料发现的主要目标和挑战之一是为每个感兴趣的属性或应用找到最佳候选者。机器学习在这种背景下兴起,以有效地优化这种搜索,探索巨大的材料空间,同时包括原子,成分和结构空间。拓扑绝缘体是一类具有良好应用前景的金属边缘态材料。然而,此外,发展受到缺乏可行候选人的限制。在这里,我们提出并讨论了机器学习加速策略,用于搜索二维拓扑材料的材料空间。我们展示了对每个机器学习组件进行详细调查的重要性,从而得出不同的结果。使用最近创建的包含数千个二维材料从头计算的数据库,我们训练能够确定材料电子拓扑结构的机器学习模型,准确率超过90%。然后,我们可以生成和筛选数千种新材料,有效地预测它们的拓扑特征,而不需要先验结构知识。我们发现了56个非平凡的材料,其中17个新的绝缘候选人进一步调查,我们证实了他们的拓扑性质与密度泛函理论计算。该策略比试错法的效率高10 $\times$,同时快几个数量级,并且是用于指导改进的材料发现搜索策略的概念证明。
2021-07-14 cond-mat.mtrl-sci
A Chemically Grounded Evaluation Framework for Generative Models in Materials Discovery
Univ. Artois(阿图瓦大学);Centre de Recherche en Informatique de Lens (CRIL)(朗斯信息中心);Unitée de Catalyse et de Chimie du Solide (UCCS)(固体催化与化学单元)
本文提出一种结合DFT稳定性和ML指标的评估框架,用于改进材料生成模型的化学有效性评估。
2025-12-31 cond-mat.mtrl-sci
Crystallography companion agent for high-throughput materials discovery
新的结构和功能材料的发现是由相鉴定驱动的,通常使用X射线衍射(XRD)。自动化加快了XRD测量的速度,大大超过了XRD分析技术,后者仍然是手动的,耗时的,容易出错的,并且不可能扩展。随着自主机器人科学家或自动驾驶实验室的出现,现代技术禁止XRD的集成。在这里,我们描述了一个由人工智能(AI)驱动的XRD数据自主表征的计算机程序,用于发现新材料。从结构数据库开始,我们使用物理上精确的合成数据集训练集成模型,该数据集输出概率分类-而不是绝对的-以克服传统神经网络中的过度自信。这种人工智能代理可以作为研究人员的伴侣,提高准确性并节省大量时间。它在各种有机和无机材料表征挑战中得到了证明。这种创新直接适用于逆向设计方法,机器人发现系统,并可以立即考虑其他形式的表征,如光谱和对分布函数。
2021-03-17 cond-mat.mtrl-sci
A comment on "The Computational 2D Materials Database: high-throughput modeling and discovery of atomically thin crystals"
最近,Sten Haastrup,Mikkel Strange,Mohnish Pandey,Thorsten Deilmann,Per S Schmidt,Nicki F Hinsche,Morten N Gjerding,Daniele Torelli,Peter M Larsen,Anders C Riis-Jensen,Jakob Gath,Karsten W Jacobsen,Jens Jrgen Mortensen,Thomas Olsen和Kristian S Thygesen [2D Mater. 5(2018)042002]介绍了计算二维材料数据库(C2 DB),该数据库组织了分布在30多种不同晶体结构中的约1500种二维材料的各种结构,热力学,弹性,电子,磁性和光学性质。不幸的是,这项工作在弹性和机械稳定性测试领域存在严重和根本性的缺陷,这使得它不可靠。
2019-04-30 cond-mat.mtrl-sci
Autonomous decision making for solid-state synthesis of inorganic materials
本文提出 ARROWS3 算法,通过热化学数据与失败反应路径分析迭代选择前驱体,在 200 余个合成实验中以更少迭代次数找到最优前驱体组合,验证了领域知识对材料合成自主优化的重要性。
2023-05-24 cond-mat.mtrl-sci
TXL Fusion: A Hybrid Machine Learning Framework Integrating Chemical Heuristics and Large Language Models for Topological Materials Discovery
Anhui University(安徽大学);University of Alabama at Birmingham(阿拉巴马大学伯明翰分校);Xiamen University(厦门大学);Shenzhen University(深圳大学);Beihang University(北京航空航天大学)
TXL融合通过整合化学启发法和大语言模型,提升拓扑材料发现的效率与准确性。
2026-07-15 cond-mat.mtrl-sci
Synthesis of ultra-incompressible sp3-hybridized carbon nitride
具有C-N组成的材料的研究在创造材料方面具有很大的希望,这些材料由于非常强和相对低离子的C-N键而在硬度上与金刚石相媲美。C-N化合物的早期实验和理论工作是基于与二元A3 B4结构类型的结构相似性;然而,C3 N4的合成仍然难以捉摸。在这里,我们探索了在高压和高温下从元素材料无偏合成。利用原位同步辐射X射线衍射和拉曼光谱,我们证明了在55 GPa和7000 K以上合成了具有sp3杂化碳的高度不可压缩的Pnnm CN化合物。这一结果得到了第一性原理进化搜索的支持,发现Pnnm CN是10.9 GPa以上最稳定的化合物。在低于6 GPa的压力释放时,合成的CN化合物非晶化,重新达到其1:1的化学计量,如能量色散X射线光谱所证实的。这项工作强调了理解新的高压化学规则的重要性,并为超硬材料的合成开辟了新的途径。
2014-12-11 cond-mat.mtrl-sci
Solution based synthesis of mixed phase materials in the Li2TiO3 - Li4SiO4 system
作为ITER氦冷球床的候选氚增殖材料,位于准二元偏钛酸锂-正硅酸锂系统区域的陶瓷多相化合物相对于单相材料可能表现出机械和物理优势。在这里,我们提出了一种基于有机金属溶液的合成程序的低温制备的化合物在Li 2 TiO 3-Li 4 SiO 4的区域和调查的相稳定性和转变,通过变温X射线衍射和扫描量热法。结果表明,偏钛酸盐和偏硅酸盐相Li 2 TiO 3和Li 2SiO 3在低于180°C的温度下容易以纳米晶形式结晶。在5%的范围内的锂缺乏是由于Li从Li 4SiO 4升华和/或由于过量的Li掺入偏钛酸盐相中,并导致化学计量偏移,并且产物化合物具有混合的正硅酸锂/偏硅酸锂含量朝向富含Si的区域,并且主要是Li 2 TiO 3含量朝向富含Ti的区域。当温度高于1150°C时,发生了由单斜相到立方相的γ-Li_2TiO_3无序固溶体的转变,而硅酸盐相的熔化表明可能是单斜相,固相线在1050°-1100 ° C之间。涉及氯化锂前体的合成程序不太可能是增殖卵石合成的可行选择,因为发现该路线产生具有更显著的Li缺乏的材料,其在中间组合物下表现出Li 2 TiSiO 5相的结晶。
2014-10-27 cond-mat.mtrl-sci
Role of Multifidelity Data in Sequential Active Learning Materials Discovery Campaigns: Case Study of Electronic Bandgap
本研究针对材料发现中多保真度数据利用方法不明确的问题,提出将预测的低保真度数据作为高保真度模型输入特征的新方法,以电子带隙为案例,发现低保真度测量成本为高保真度的5%及以下且数量比约5:1时效果最佳。
2023-10-24 cond-mat.mtrl-sci
Human and LLM Collaboration for Accelerated Materials Synthesis and Discovery
Johns Hopkins University(约翰斯·霍普金斯大学)
研究新材料发现速度滞后问题,通过人类与大语言模型协作生成材料合成配方,经实验确定成功率,发现二者成功率相似,并借此发现了具有新结构原型的材料Ba3PtO5。
2026-07-09 cond-mat.mtrl-sci
Enhancing Magnetocaloric Material Discovery: A Machine Learning Approach Using an Autogenerated Database by Large Language Models
针对10–100 K磁制冷材料缺口,本文用大语言模型构建6000余条材料数据库,训练成分驱动的磁热性质预测模型,并经从头算自旋动力学验证,发现11种候选材料。
2024-03-05 cond-mat.mtrl-sci
Precursor recommendation for inorganic synthesis by machine learning materials similarity from scientific literature
University of California, Berkeley(加州大学伯克利分校);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);University of Minnesota(明尼苏达大学)
本研究针对无机合成前驱体选择难的问题,利用文献挖掘的29900条固态合成配方,通过学习材料化学相似性模拟人类设计推荐前驱体,在2654种测试材料上实现至少82%的成功率,可用于推荐引擎与自主实验室。
2023-05-19 cond-mat.mtrl-sci cs.LG
Network analysis of synthesizable materials discovery
评估无机材料的可合成性是使用计算加速其发现的巨大挑战。材料的合成是一个复杂的过程,不仅取决于其相对于其他材料的热力学稳定性,而且还取决于从动力学到合成技术的进步以及前体的可用性的因素。这种复杂性使得发展一个通用的理论或第一原理的方法,目前不切实际的综合性。在这里,我们展示了如何从材料稳定性网络的动态中预测可合成性的替代途径:通过结合高通量密度泛函理论计算的无机材料的凸自由能表面和从引用中提取的实验发现时间线构建的无标度网络。底层网络属性的时间演化使我们能够使用机器学习来预测假设的计算机生成材料是否适合成功的实验合成。
2019-05-02 cond-mat.mtrl-sci physics.comp-ph
beta phase manganese dioxide nanorods Synthesis and characterization for supercapacitor applications
采用新的溶液法合成了二氧化锰纳米棒。采用X射线衍射、扫描电镜和透射电镜对合成材料的物相和显微结构进行了表征。该材料结晶成β晶相,并且由直径在约10-14 nm范围内且长度约50 nm的纳米棒组成。通过傅里叶变换红外光谱(FTIR)和热重分析(TGA)研究了材料的微观结构和热性能。该材料具有特征MnO振动频率,证实了材料的相纯度。使用循环伏安法和恒电流充电和放电测量,使用内部开发的超级电容器装置组件评估β MnO 2纳米棒的电化学性能。我们观察到β MnO 2纳米棒电极材料的比电容约为125 F/g。
2015-10-03 cond-mat.mtrl-sci
Data-Driven Insights into Rare Earth Mineralization: Machine Learning Applications Using Functional Material Synthesis Data
本研究利用1239个水热合成数据训练机器学习模型预测稀土矿化产物和物相,XGBoost准确率最高,并成功预测反应条件,证明了材料科学数据在地球化学研究中的跨学科应用价值。
2025-04-09 cond-mat.mtrl-sci
Accelerating Cathode Material Discovery through Ab Initio Random Structure Searching
本文利用不依赖已有数据的从头算随机结构搜索(AIRSS)方法,仅凭化学组成高效预测含铁聚阴离子正极材料的低能量结构,成功重现已知多晶型并发现更稳定的LiFeSO4F新相,验证了该方法加速新型正极材料发现的潜力。
2021-12-01 cond-mat.mtrl-sci
High-throughput screening assisted discovery of a stable layered anti-ferromagnetic semiconductor: CdFeP2Se6
二维(2D)磁性的最新进展提高了人们对层状磁性材料的兴趣,因为它们具有自旋电子学的潜力。特别是,层状半导体反铁磁体表现出有趣的低维半导体行为与电荷和自旋作为载流子控制。然而,这些化合物的合成是具有挑战性的,并且仍然罕见。在这里,我们进行了基于第一性原理的高通量搜索,以筛选潜在稳定的混合金属磷三硫属化物(MM'P2X6,其中M和M'是过渡金属,X是硫属化物),其具有宽范围的可调带隙和有趣的磁性。在潜在的候选人,我们成功地合成了一个稳定的半导体层状磁性材料,CdFeP2Se6,表现出短程反铁磁秩序在TN = 21 K的间接带隙为2.23 eV。我们的工作表明,高通量筛选辅助合成是发现层状磁性材料的有效方法。
2022-12-18 cond-mat.mtrl-sci
Combinatorial sputter synthesis of single-phase La(XYZ)O$_{3\pmσ}$ perovskite thin film libraries: a new platform for materials discovery
利用反应溅射中的自组织薄膜生长效应,合成了La-Co-Mn-O和La-Co-Mn-Fe-O钙钛矿薄膜材料库,实现了在300°C以上对B位元素大范围变化的单相纯La-钙钛矿合成,为定向开发高性能电催化剂开辟了新路径。
2023-03-29 cond-mat.mtrl-sci physics.app-ph