使用无代深度生成模型进行可扩展的晶体结构放松,具有不确定性量化
Ziduo Yang1,2,3, Yi-Ming Zhao1, Xian Wang4
1Department of Mechanical Engineering, National University of Singapore, Singapore, Singapore.
Nature communications
|September 17, 2024
概括
深度生成模型DeepRelax可以在没有代的情况下快速预测平衡水晶结构,从而加速材料发现. 这种人工智能驱动的方法可以实现新型材料的高通量虚拟选.
科学领域:
- 计算分子和材料科学计算分子和材料科学
- 科学领域的人工智能
- 发现材料的发现.
背景情况:
- 确定平衡结构对于计算材料科学中准确的属性计算至关重要.
- 传统的方法与新发现的复杂晶体结构的规模作斗争.
- 现有的计算方法中的代过程限制了大规模选的可扩展性.
研究的目的:
- 介绍DeepRelax,这是一个新的深度生成模型,用于快速放松晶体结构.
- 解决材料科学传统计算方法的可扩展性挑战.
- 允许对大型数据集的平衡结构进行快速准确的预测.
主要方法:
- 开发了DeepRelax,一个深度生成模型学习平衡结构分布.
- 从未放松的结构中实现放松结构的直接预测,绕过代过程.
- 综合不确定性量化以提高模型可靠性.
主要成果:
- DeepRelax实现了每个结构的毫秒级放松时间.
- 在五个不同的材料数据库中 (氧化物,材料项目,2D材料,范德瓦尔斯晶体,有缺陷的晶体) 证明了高精度和效率.
- 与密度函数理论计算对比的验证结果.
结论:
- DeepRelax显著加速了材料科学中的计算工作流程.
- 为材料发现提供强大,可靠和可扩展的机器学习解决方案.
- 推动人工智能在科学研究和开发中的应用.
