IF:83.5！非晶材料，Nature Reviews Materials！
米測MeLab
納米人
2024-12-23
研究背景
隨著材料科學(xué)的快速發(fā)展，如何高效設(shè)計和發(fā)現(xiàn)具有優(yōu)異性能的新型材料成為了研究的熱點之一。晶體材料由于其有序結(jié)構(gòu)，長期以來在材料設(shè)計中占據(jù)主導(dǎo)地位，許多研究工作集中于晶體材料的結(jié)構(gòu)設(shè)計與性能優(yōu)化。然而，隨著對更高性能和更復(fù)雜功能需求的提出，非晶材料的研究也逐漸受到關(guān)注。非晶材料是指沒有長程有序結(jié)構(gòu)的固體材料，常見于玻璃和一些無定形固體。它們通常在特定的應(yīng)用中展現(xiàn)出優(yōu)異的性能，如高容量電池、電催化劑等，因此它們在能源、電子、催化等多個領(lǐng)域具有巨大的應(yīng)用潛力。然而，非晶材料的研究面臨著多重挑戰(zhàn)。首先，由于非晶固體缺乏晶體結(jié)構(gòu)中的平移對稱性，因此無法像晶體材料那樣通過簡單的單位胞來描述，這使得其在計算模擬和實驗表征中存在較大困難。傳統(tǒng)的基于第一性原理的計算方法，如密度泛函理論（DFT），雖然在晶體材料的設(shè)計中取得了顯著進展，但在非晶材料的研究中，由于計算成本高昂且尺度限制，常常無法全面捕捉到非晶材料的真實結(jié)構(gòu)特征和性能。此外，非晶材料通常處于亞穩(wěn)態(tài)，容易發(fā)生相變或晶化，進一步增加了其合成和制造的難度。為了解決這些問題，近年來，許多研究者開始借助人工智能（AI）和機器學(xué)習(xí)（ML）方法，推動非晶材料的計算設(shè)計進程。AI和ML方法可以處理非晶材料中的復(fù)雜結(jié)構(gòu)和性能關(guān)系，幫助研究人員更好地理解非晶固體的微觀結(jié)構(gòu)與宏觀功能之間的聯(lián)系。例如，通過訓(xùn)練基于密度泛函理論的原子間勢能模型，研究人員可以加速非晶材料的預(yù)測過程，并在此基礎(chǔ)上實現(xiàn)新的功能材料的設(shè)計。此外，結(jié)合物理學(xué)建模與人工智能方法，研究者可以模擬非晶材料在不同實驗條件下的行為，為實際合成和制造提供有力支持。 為了應(yīng)對這些挑戰(zhàn)，牛津大學(xué)Lena Simine，Volker L. Deringer等在“Nature Reviews Materials”期刊上發(fā)表了題為“The amorphous state as a frontier in computational materials design”的最新觀點論文。本研究討論了非晶材料的計算設(shè)計問題，并展示了如何通過AI和ML技術(shù)克服傳統(tǒng)方法的局限性。通過結(jié)合量子力學(xué)計算與機器學(xué)習(xí)方法，本文提出了一種新的材料設(shè)計框架，該框架能夠有效地捕捉非晶材料的微觀結(jié)構(gòu)與宏觀性能之間的關(guān)系，推動非晶功能材料的按設(shè)計合成。研究結(jié)果為未來非晶材料的設(shè)計和應(yīng)用開辟了新的方向，同時也為相關(guān)領(lǐng)域的實驗研究提供了理論指導(dǎo)和技術(shù)支持。主要內(nèi)容
（1）本文認為非晶材料的計算設(shè)計正成為材料研究中的一個重要且新興的領(lǐng)域，得到了人工智能（AI）和機器學(xué)習(xí)（ML）技術(shù)的推動。盡管傳統(tǒng)上，非晶材料因其復(fù)雜的結(jié)構(gòu)和缺乏平移對稱性而難以研究，但基于最新的計算建模和人工智能的進展，設(shè)計非晶功能材料的目標(biāo)已變得更為可行。（2）實驗討論了非晶材料的獨特挑戰(zhàn)，尤其是在原子尺度結(jié)構(gòu)、微觀性質(zhì)和宏觀功能之間的聯(lián)系。通過人工智能和機器學(xué)習(xí)方法，研究者能夠克服DFT計算的限制，揭示非晶材料的特性。研究表明，這些新興方法可以有效地彌補之前計算和實驗研究中的空白，使得非晶材料的設(shè)計更加精準(zhǔn)。（3）進一步的實驗表明，非晶材料在多個應(yīng)用領(lǐng)域表現(xiàn)出優(yōu)異性能，例如在光電電子學(xué)、催化和電池技術(shù)中的應(yīng)用。非晶氮化硼和LiFeSO4F的案例展示了其在電子學(xué)和電池材料中的潛力，表明非晶材料可能在某些方面優(yōu)于傳統(tǒng)的晶體材料。（4）然而，盡管取得了一些進展，非晶材料的合成仍面臨許多挑戰(zhàn)，尤其是如何避免因結(jié)構(gòu)轉(zhuǎn)變導(dǎo)致的性能退化。因此，本文建議結(jié)合人工智能和物理建模來加速非晶材料的設(shè)計，并提出了未來研究的路線圖，強調(diào)了這一領(lǐng)域在材料設(shè)計中的重大潛力。圖文解讀
圖4: 非晶材料設(shè)計的閉環(huán)視圖。總結(jié)展望
本文已經(jīng)概述了人工智能（AI）和機器學(xué)習(xí)（ML）技術(shù)如何解鎖非晶材料的計算設(shè)計。然而，要在不久的將來實現(xiàn)這一愿景，仍然存在若干障礙。 一個關(guān)鍵挑戰(zhàn)——與許多類型的機器學(xué)習(xí)模型一樣——是訓(xùn)練數(shù)據(jù)通常很稀缺。晶體材料的設(shè)計長期以來得益于一些成熟的數(shù)據(jù)庫，如基于實驗的劍橋結(jié)構(gòu)數(shù)據(jù)庫和無機晶體結(jié)構(gòu)數(shù)據(jù)庫、材料項目等計算平臺，以及成功的晶體無序建模技術(shù)。然而，非晶材料的類似數(shù)據(jù)庫（或其與現(xiàn)有數(shù)據(jù)庫的整合）發(fā)展明顯滯后，現(xiàn)有的非晶材料數(shù)據(jù)集通常集中于特定類別的材料。近期文獻中有兩個令人鼓舞的例子：一個是計算生成的淬火非晶結(jié)構(gòu)模型數(shù)據(jù)集，評估其在電池中的適用性；另一個是基于分子動力學(xué)（MD）生成的大型非晶結(jié)構(gòu)數(shù)據(jù)庫。缺乏足夠的數(shù)據(jù)和完善的數(shù)據(jù)庫，使得針對非晶材料的原子級機器學(xué)習(xí)模型仍然局限于特定材料系統(tǒng)。在語言模型領(lǐng)域，作者認為其在從科學(xué)文獻中提取非晶材料信息方面具有潛力，但仍然面臨著一個重大挑戰(zhàn)：如何準(zhǔn)確識別并將這些數(shù)據(jù)結(jié)構(gòu)化為機器學(xué)習(xí)可用的格式——這比晶體材料的數(shù)據(jù)提取更加困難。第二個挑戰(zhàn)在于開發(fā)適用于非晶材料的通用機器學(xué)習(xí)潛力模型（ML potentials）。盡管如今擬合機器學(xué)習(xí)潛力的架構(gòu)已經(jīng)非常先進（精度達到毫電子伏特每原子，與底層密度泛函理論（DFT）訓(xùn)練數(shù)據(jù)的精度一致），但訓(xùn)練可靠的非晶材料潛力模型仍然不是簡單的任務(wù)——例如，非晶材料需要考慮的局部原子環(huán)境種類遠多于晶體材料，這給訓(xùn)練帶來了挑戰(zhàn)。然而，近期研究表明，機器學(xué)習(xí)潛力可以在非常大的數(shù)據(jù)集上進行（預(yù)）訓(xùn)練，然后針對特定目標(biāo)進行微調(diào)，這為非晶結(jié)構(gòu)的建模提供了希望。此外，主動學(xué)習(xí)和自動化協(xié)議可以幫助更快速地生成相關(guān)的訓(xùn)練數(shù)據(jù)，減少用戶的“領(lǐng)域知識”需求，加速整體開發(fā)過程。該領(lǐng)域的一個重要長期目標(biāo)是創(chuàng)建一個真正通用的機器學(xué)習(xí)潛力模型，用于跨周期表的非晶材料建模。 作者認為的最后一個挑戰(zhàn)是將非晶材料的理論和計算設(shè)計與實驗合成和制造相結(jié)合。類似于最近在晶體材料和薄膜的自動合成與表征方面的突破，可以設(shè)想一個能夠合成具有目標(biāo)性能的非晶材料的全自動實驗室。然而，與晶體材料相比，非晶材料通常需要更為專業(yè)的合成方法。確保這些合成方法在不同實驗室間的可重復(fù)性將至關(guān)重要，可靠的自動化表征方法也將對大規(guī)模制備非晶材料至關(guān)重要。某些表征技術(shù)（如電子導(dǎo)電性）可以借用自晶體材料的研究，而其他一些表征技術(shù)（如原子級結(jié)構(gòu)）則會有所不同，通常更加具有挑戰(zhàn)性（見框1），因此需要超越現(xiàn)有晶體材料研究中使用的方法。一旦克服了這些挑戰(zhàn)，非晶材料的真正設(shè)計——用于電池、太陽能電池、催化劑以及許多其他應(yīng)用——將成為可能，從而推動材料研究的前所未有的創(chuàng)新。Liu, Y., Madanchi, A., Anker, A.S. et al. The amorphous state as a frontier in computational materials design. Nat Rev Mater (2024).https://doi.org/10.1038/s41578-024-00754-2
加載更多
316
版權(quán)聲明：
1） 本文僅代表原作者觀點，不代表本平臺立場，請批判性閱讀！
2） 本文內(nèi)容若存在版權(quán)問題，請聯(lián)系我們及時處理。
3） 除特別說明，本文版權(quán)歸納米人工作室所有，翻版必究！
