LoreX: Un explorador de regiones de baja energía aumenta la predicción eficiente de la estructura cristalina

Área de la Ciencia:

• Ciencias de los materiales
• Química computacional
• Inteligencia artificial

Sus antecedentes:

• El aprendizaje automático avanza significativamente en la predicción de la estructura cristalina (CSP) para el diseño de materiales.
• Un desafío importante en la PEC es la lenta identificación de las regiones de baja energía en la superficie de energía potencial (PES).

Objetivo del estudio:

• Desarrollar un nuevo método, LoreX, para la exploración rápida de regiones de bajo consumo de energía en el PES.
• Mejorar la eficiencia general de la predicción de la estructura cristalina.

Principales métodos:

• Utilizando el corte de superficie de energía potencial (PES) basado en el aprendizaje profundo de gráficos.
• Clasificación de estructuras en prototipos para dividir y conquistar las PES para una exploración eficiente.

Principales resultados:

• LoreX localiza con precisión y eficiencia las regiones de baja energía en el PES utilizando muestras mínimas (por ejemplo, 100).
• Validado en 27 compuestos diferentes, demostrando su eficacia.
• Aplicado con éxito para descubrir nuevos alótropos de boro y resolver estructuras complejas como CuIn5Se8.

Conclusiones:

• LoreX establece un nuevo paradigma para la exploración rápida de PES.
• Ofrece un enfoque altamente eficiente y ampliamente aplicable para acelerar el CSP y el descubrimiento de materiales.