[发明专利]无序材料热力学稳定结构的预测推荐方法、设备、终端

说明书

本发明属于无序结构材料技术领域，公开了一种无序材料热力学稳定结构的预测推荐方法、设备、终端，采用已有程序产生指定替代/缺陷/共占据状态下所有可能的非冗余结构；采用机器学习中聚类算法对结构进行聚类；从每个聚类结果中推荐得到采用密度泛函理论优化的待优化结构；采用密度泛函理论方法对推荐的结构进行优化；从优化结构的轨迹中准备训练集；训练机器学习势模型；采用训练的机器学习势模型优化没有弛豫的结构；采用多代运行的方式，判断是否达到设置的终止条件；满足终止条件后，基于密度泛函理论优化的结构集和机器学习势优化后收敛的结构集推荐热力学稳定的结构集。本发明适用于预测和推荐无序材料热力学稳定结构以及晶体结构预测。

技术领域

本发明属于无序结构材料技术领域，尤其涉及一种无序材料热力学稳定结构的预测推荐方法、设备、终端。

背景技术

目前，当两种(或两种以上)原子或离子在晶体结构中占据某种位置时，如果它们相互间的分布是任意的，即它们占据任何一个该种位置的几率都是相同的，则这种结构称为无序结构(disorder structure)。无序结构的种类分为多种形式(包括替代/缺陷/共占据等)。无序结构材料由于其独特的性质在半导体、高温超导体、金属合金、陶瓷和沸石催化剂等领域被广泛应用。研究无序材料的结构对于理解无序材料性质具有非常重要的价值。

实验中可以利用多种手段表征材料的结构，衍射技术可以提供平均长程结构信息，固态核磁共振、拉曼、红外或X射线吸附近边结构等光谱可以提供局部结构相关信息。然而，这种光谱提供的局部结构相关信息通常难以仅凭借实验来解释清楚。这使得分子建模对于深入理解此类系统至关重要。超胞近似是处理无序结构最常用的方法之一，通过构建一个大的周期性单元格，在其边界内尽可能地反映无序系统的局部结构特性：组成、配位等。目前很多程序(SOD，supercell，enumlib，disorder等)可以实现不同无序状态下(替代/缺陷/共占据)超胞结构模型创建，从而有效减少需要考虑的超胞结构。然而随着超胞尺寸的增加或者在特殊替代/缺陷/共占据情况下，通过这些程序得到的非冗余结构数量仍旧很大，如何从这些非冗余结构中找出热力学稳定的结构是非常重要的问题，当前最常见的做法有以下几种：一是采用随机的方式，随机选择几个结构采用密度泛函理论优化，优化后的结构作为候选结构；二是采用相对廉价的方式(比如经验势函数)计算所有结构的能量，按能量从低到高进行排序，选出前几个结构采用密度泛函理论优化，优化后的结构作为候选结构；三是采用穷举方法，采用密度泛函理论优化所有非冗余结构，然后选择能量最低的结构最为候选结构。目前常见的几种做法要么提供的候选者不可靠(方法一和二)，要么需要高昂的计算资源和时间成本(方法三)。在解释实验谱图信息过程中，有时仅依靠找到的热力学最稳定的结构是不全面的，往往还需要许多能量与热力学最稳定结构能量相近的结构进行统计平均才能得到与实验谱图信息一致的结果。因此从非冗余结构中不仅找出热力学最稳定结构，同时找到许多能量与最稳定结构能量相近的结构是十分有必要的。

通过上述分析，现有技术存在的问题及缺陷为：

(1)随着超胞尺寸的增加或者在特殊替代/缺陷/共占据情况下，通过程序(SOD，supercell，enumlib，disorder等)得到的非冗余结构数量仍旧很大。

(2)现有采用的随机的方式和采用的相对廉价的方式提供的候选者不可靠；现有采用的穷举方法需要高昂的计算资源和时间成本。

(3)在解释实验谱图信息过程中，有时仅依靠找到的热力学最稳定的结构是不全面的，往往还需要许多能量与热力学最稳定结构能量相近的结构进行统计平均才能得到与实验谱图信息一致的结果。