使用深度学习从无定形前驱体预测晶体的生成

从无定形前驱体预测晶体的出现:深度学习助力材料科学新突破 背景介绍 晶体从无定形物质中逐步生成的过程在自然界与实验室中具有重大意义。这一过程广泛存在于从地质到生物过程的各种现象中,并且在开发新材料的过程中占据核心地位。然而,无定形状态向晶体态的转化中,最初出现的常常是亚稳态(metastable state)晶体,而非热力学上的稳定态晶体。这种亚稳态形成的普遍规律可以通过”Ostwald法则”加以解释,该法则指出与无定形前驱体(amorphous precursor)具有相似局部结构特征的晶体将更容易优先成核。 无定形材料的晶化过程,尤其是其能量景观(energy landscape)的建模,一直以来是科学界的难点。传统的分子建模方法或从头计算(ab initio methods)由于计算量...