&

Nature Reviews Materials.: 結構預測推動新材料的發(fā)現(xiàn)

2019-04-28 10:34:18 作者：我亦是行人編譯來源：材料人分享至：

【背景介紹】

過去，新材料的發(fā)現(xiàn)主要通過實驗試錯或偶然性的發(fā)現(xiàn)，這兩者都需要花費大量人力物力以及完成那些極具挑戰(zhàn)性的實驗。近十年來，利用計算系統(tǒng)地發(fā)現(xiàn)新材料已經(jīng)成為了可能，而晶體結構預測（CSP）方法的發(fā)展為這一突破鋪平了道路。而基于量子力學的晶體結構預測方法的發(fā)展，則加速了新材料發(fā)現(xiàn)。材料的性能常取決于它的結構，因此，結構預測是計算發(fā)現(xiàn)新材料的關鍵。目前，常采用兩種互補的方法進行結構預測：一種是基于現(xiàn)有知識和晶體結構數(shù)據(jù)庫的內容進行數(shù)據(jù)挖掘；另一種則基于強大的探索性的計算機算法，其能夠在很少或沒有預存知識的情況下進行預測。因此，新計算工具的發(fā)展使得許多新的和越來越復雜的材料結構得以預測。這些基于全局優(yōu)化的、很少或沒有經(jīng)驗知識的、廣泛適用的預測方法，已被用于研究晶體結構，點缺陷，表面和界面。

【成果簡介】

最近，俄羅斯斯科爾科沃研究院Artem R. Oganov教授團隊綜述了結構預測方法以及利用這些方法發(fā)現(xiàn)新材料的最新研究進展。作者首先討論了結構預測方法，以及對研究不同材料系統(tǒng)的潛力。其中，作者著重關注和考察了基于強大探索算法的、可靠的非經(jīng)驗方法，并提供了通過這些理論計算方法發(fā)現(xiàn)新材料（包括超硬材料，超導體和有機材料）的實例。最后，作者展望了該領域的前景，總結了需要克服包括大系統(tǒng)使用，無序結構和溫度的考量，可制備亞穩(wěn)態(tài)結構及化學性質預測等方面的挑戰(zhàn)。相關成果以“Structure prediction drives materials discovery”發(fā)表于Nature Reviews Materials.期刊上。

【圖文導讀】

圖一、材料空間的繪制

（a）晶體Au8Pd4的能量圖，顯示低能量結構如何在一個區(qū)域聚集；

（b）SinOm納米粒子的穩(wěn)定性圖，脊和島表明是穩(wěn)定的，海洋表明不穩(wěn)定的；

（c）超導材料統(tǒng)計圖。

圖二、用晶體結構預測方法進行的綜合預測

（a）在不同壓力下，二元Na-Cl系統(tǒng)的凸殼。

（b）在500 GPa下，三元Mg-Si-O系統(tǒng)的凸殼。淺藍色符號表示亞穩(wěn)態(tài)組分樣本，圓圈表示穩(wěn)定相；

（c）NaCl3化合物的結構，具有電子局域函數(shù)的等值面（值從藍色變?yōu)榧t色）；

（d）化合物Na2He的結構，具有電子局域函數(shù)的間隙最大值，其在空立方體內顯示為紅色物體。

圖三、晶體結構預測在塊狀晶體以外的系統(tǒng)中的應用

（a）單層冰在橫向壓力和有限寬度時的相圖；

（b）Cu-5（210）[001]晶界相的進化搜索和聚類分析；

圖四、超導材料

（a）金屬氫化物超導體的超導臨界溫度（Tc）計算值匯總，顯示了兩個明顯的高Tc超導體成形金屬帶；

（b）一些預測表明是代表性高溫的超導體金屬氫化物結構。常規(guī)的高溫超導體錒系氫化物AcH10，AcH12，AcH16。

【小結】

綜上所述，在過去的十年里，許多基于第一性原理結構預測的成功例子表明，這些技術已經(jīng)成為材料結構研究的核心，并開始成為材料發(fā)現(xiàn)的重要工具。因此，作者著重關注了基于計算的結構預測推動新材料發(fā)現(xiàn)的方法。同時，作者又補充了數(shù)據(jù)挖掘的方法，將這兩種方法有效地結合起來，比如：利用已知的結構類型創(chuàng)建一個用于進化搜索的初始晶體結構群；用類似于Barnighausen樹的群-子群關系以生成大多數(shù)已知的結構以及無數(shù)合理的新結構；依靠拓撲結構生成器來創(chuàng)建初始種群能顯著加快進化結構的預測；通過全局優(yōu)化發(fā)現(xiàn)全新的晶體結構和化合物等都能夠使得更新更復雜材料結構得以預測。盡管這些新預測的化合物隨后通過實驗大都得到了證實，并且可以將這些案例再投進數(shù)據(jù)庫中。然而，結構預測仍面臨著許多挑戰(zhàn)，包括處理大型系統(tǒng)的難度，無序結構和溫度、可制備亞穩(wěn)態(tài)結構及化學性質預測等等。但作者認為，新思想和新方法的急速發(fā)展，以及大量可獲得的新型計算資源，比如：許多從頭算法代碼已經(jīng)移植到圖形處理單元、虛擬機技術幾乎可以在任何架構使用等等都會促進更多復雜、精細結構的預測，從而推動新材料發(fā)現(xiàn)。

文獻鏈接：Structure prediction drives materials discovery（Nature Reviews Materials.2019, DOI：https://doi.org/10.1038/s41578-019-0101-8）

免責聲明：本網(wǎng)站所轉載的文字、圖片與視頻資料版權歸原創(chuàng)作者所有，如果涉及侵權，請第一時間聯(lián)系本網(wǎng)刪除。