編輯 | ScienceAI
晶體結(jié)構(gòu)預(yù)測（Crystal Structure Prediction, CSP）是一個(gè)不斷發(fā)展的領(lǐng)域，旨在通過最少的先驗(yàn)信息來識別晶體結(jié)構(gòu)。盡管各種 CSP 算法已經(jīng)取得了一定的成功，但其實(shí)際應(yīng)用仍然受到限制，尤其是在處理大型復(fù)雜系統(tǒng)時(shí)。
提高 CSP 效率的方法多種多樣。近年來，一個(gè)主流方向是通過用機(jī)器學(xué)習(xí)勢（Machine Learning Potentials, MLPs）替代計(jì)算成本高昂的從頭計(jì)算，從而加速「適應(yīng)性」計(jì)算，進(jìn)而降低 CSP 的總體計(jì)算成本。
然而，僅靠 MLPs 的準(zhǔn)確性并不能保證 CSP 的成功，還需要有效的采樣方法，以增加相對合理的試驗(yàn)結(jié)構(gòu)的比例。受全局優(yōu)化算法的啟發(fā)，許多實(shí)現(xiàn)方法在搜索勢能面（Potential Energy Surface, PES）的全局最小值方面顯示出有效性。
值得注意的是，結(jié)合晶體對稱性已被證明是各種 CSP 中的有效約束，這基于觀察到穩(wěn)定晶體通常表現(xiàn)出高對稱性。然而，許多現(xiàn)有方法僅停留在隨機(jī)生成對稱構(gòu)型或在搜索過程中保持對稱性。在更深層次上，對稱性原理作為一種強(qiáng)大且通用的工具，尚未得到充分利用。
此前，南京大學(xué)孫建教授課題組設(shè)計(jì)了機(jī)器學(xué)習(xí)與圖論輔助的晶體結(jié)構(gòu)搜索軟件 MAGUS，近期該研究團(tuán)隊(duì)又基于對稱性原理進(jìn)一步升級了 MAGUS 軟件。通過集成動態(tài)的空間群挖掘器和片段重組器，并結(jié)合對稱保持突變，MAGUS2.0 能夠生成更高質(zhì)量的初始結(jié)構(gòu)，從而降低 CSP 任務(wù)的計(jì)算成本，晶體結(jié)構(gòu)搜索效率提升 4 倍以上。
論文地址：https://www.nature.com/articles/s43588-025-00775-z
研究團(tuán)隊(duì)提出了一種基于對稱性原理的進(jìn)化結(jié)構(gòu)搜索方法。一方面，該研究強(qiáng)調(diào)了對稱性在晶體中的重要性，另一方面，對稱性原理的局限性也凸顯了局部原子聚集體的重要性，從而促使研究團(tuán)隊(duì)開發(fā)了一種識別局部片段的方案。如下圖所示，該研究提出的方法包括一個(gè)結(jié)構(gòu)生成器，旨在自動識別全局對稱性和局部片段特征。
論文展示了一次針對 γ- 硼的加速結(jié)構(gòu)搜索過程。程序使用均勻分布的空間群和 28 個(gè)獨(dú)立的硼原子進(jìn)行初始化，最終得到了基態(tài)相，展示了空間群挖掘器和片段重組器的加速結(jié)構(gòu)搜索能力。
MAGUS2.0 已在多種系統(tǒng)中展現(xiàn)出高效性，成功發(fā)現(xiàn)了眾多晶體結(jié)構(gòu)。
MAGUS2.0 可以搜索得到傳統(tǒng)搜索方法無法成功解決的紅磷、硅 7×7 表面基態(tài)，甚至還預(yù)言了一種新型蝴蝶磷結(jié)構(gòu)。
感興趣的讀者可以閱讀論文原文，了解更多研究內(nèi)容。
相關(guān)報(bào)道：https://www.nju.edu.cn/info/1067/403491.htm
熱門跟貼