水晶结构预测的第七次盲测:结构排名方法

科学领域:

• 晶体学 晶体学是指结晶学.
• 计算化学计算化学
• 材料科学 材料科学 材料科学

背景情况:

• 预测晶体结构对于理解材料特性至关重要.
• 评估不同预测方法的准确性对于推进该领域至关重要.
• 剑桥晶体数据中心组织盲测试,以评估晶体结构预测技术.

研究的目的:

• 评估和排名各种计算方法来预测晶体结构稳定性.
• 为了比较周期性 DFT-D 方法,机器学习潜力和力场的性能.
• 确定对传统密度函数理论 (DFT) 方法有希望和有效的替代方案.

主要方法:

• 使用各种方法生成了标准化的晶体结构集.
• 参与者应用了定期的DFT-D方法,机器学习潜力 (包括AIMnet) 和实证力场.
• 能源排名与实验数据进行了比较,并使用了非基于能源的评分功能.

主要成果:

• 定期的DFT-D方法通常与实验数据一致.
• 使用AIMnet潜力的机器学习模型显示出高精度和效率.
• 对于目标XXXII,一个共识表明,一个更稳定的多态可能存在于全球最小值之外.
• 免费能源计算为特定目标提供了更好的预测,但不是普遍的.

结论:

• 定期的DFT-D方法仍然可靠的晶体结构稳定性排名.
• 机器学习潜力,特别是AIMnet,显示出作为高效替代品的重大前景.
• 由于高计算成本,需要进一步研究以提高晶体结构预测方法的效率.