创建层次化材料表象以实现分子间耦合的可迁移预测

作     者：李翀 梁超 伊丽米然木·肉扎洪 王彪 李华山 Chong Li;Chao Liang;Yilimiranmu Rouzhahong;Biao Wang;Huashan Li

作者机构：School of PhysicsSun Yat-Sen UniversityGuangzhou 510275China 

基　　金：supported by the National Natural Science Foundation of China(NSFC,52072417 and 11832019) the NSFC Original Exploration Project(12150001) the Natural Science Foundation of Guangdong Province(2018B030306036) Guangdong Science&Technology Project(2019QN01C113) the Project of Nuclear Power Technology Innovation Center of Science Technology and Industry for National Defense(HDLCXZX-2021-HD-035) Guangdong International Science and Technology Cooperation Program(2020A0505020005) 

出 版 物：《Science China Materials》 (中国科学（材料科学（英文版）)

年 卷 期：2023年第66卷第2期

页      码：819-826页

摘      要：发现和优化纳米复合材料可以通过融合从头算方法和机器学习(ML)来实现,目前的瓶颈在于缺乏原子尺度上描述单体间相互作用的ML模型.我们开发了名为双区域网络(DRN)的深度学习算法,通过训练学习原子之间的多尺度交互作用,预测了由337种不同分子组成的分子对在随机构型中的电子耦合强度,平均绝对误差低至2.8 meV.基于两种截止半径的层次化材料表象被证明对DRN模型的高迁移性和鲁棒性至关重要,这种材料表征方式不仅捕获了共轭片段的局部特征,而且在模型训练之前编码了重要的分子片段间相互作用.本研究建立的ML模型为描述单体间相互作用提供了普适的建模框架,为复杂纳米复合材料的逆向设计打下了基础.

主 题 词：平均绝对误差 机器学习 区域网络 逆向设计 原子尺度 深度学习算法 材料表征 模型训练 

学科分类：0710[理学-生物科学类] 081704[081704] 07[理学] 070304[070304] 08[工学] 0817[工学-轻工类] 0805[工学-能源动力学] 0703[理学-化学类] 0702[理学-物理学类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.1007/s40843-022-2198-5

馆 藏 号：203114618...