AI-enhanced discovery and accelerated synthesis of metal phosphosulfides
本文提出了一种结合密度泛函理论、多保真度机器学习和高通量组合合成的集成工作流，成功发现并快速合成了此前未知的金属磷硫化物，证明了即使对于具有挑战性的无机体系，加速材料开发也是可行的。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你是一位试图发明一种新型汤品的厨师。你的储藏室里装满了各种食材：金属、磷和硫。在化学世界中，将这三种物质混合在一起会创造出一类被称为金属磷硫化物的材料。这些材料就像是“超级食材”，它们可以导电、储存能量，或者以特殊的方式与光发生相互作用。
然而，制作这种“汤”是出了名的困难。与盐或糖（在化学中相当于氧化物和氮化物）这些常见的食材不同，磷和硫具有挥发性、腐蚀性且难以处理。长期以来，科学家们一直采用“一锅一锅”的方法制作这些材料，缓慢地一次测试一个配方。这就像是试图通过每天品尝一勺汤来寻找完美的口味，而这个过程可能需要耗费数年之久。
这篇论文描述了一种更快的烹饪方式：AI增强型发现与加速合成。以下是他们是如何实现的，分为几个简单的步骤：
1. 数字味觉测试（AI 与 理论）
在现实世界中开始烹饪之前，团队使用超级计算机模拟了数千种潜在的配方。
- 菜单： 他们研究了 909 种由金属、磷和硫组成的各种可能组合。
- 过滤器： 他们使用了一种名为“密度泛函理论”（DFT）的数字工具（可以将其想象成一个高科技的味觉测试员），来观察哪些配方足够稳定能够存在，而哪些则会崩溃。
- 发现： 在所有可能性中，他们发现了 19 种全新的、稳定的配方，其中一些是前所未有的，甚至包括基于硅和锗的配方。
- 预测： 他们还需要知道这些材料能阻挡或通过多少能量（称为“带隙”）。由于为每一个配方运行超高精度的模拟会耗时过长，他们构建了一个机器学习模型。你可以把它看作是一个“智能翻译官”。它能将计算机快速、粗略的估算转化为对现实世界能量水平的高度准确的预测。
2. “神奇平底锅”（高通量合成）
一旦 AI 给出了最有希望的配方清单，他们就需要制作它们。但他们不想一个接一个地制作。
- 问题： 传统方法既慢又是串行的（一个接一个地进行）。
- 解决方案： 他们使用了一种被称为 DADMARS 的特殊技术。想象一个巨大的煎锅，你可以在同一个表面上同时喷洒不同量的食材。
- 结果： 在单次实验中，他们在单个薄膜上创建了一个“组合库”，其中包含超过 100 种不同的成分（就像是一个带有 100 种不同配料的微观披萨）。
- 效率： 使用这种方法，他们仅用 4 次实验 就成功合成了 四种截然不同的新材料。他们不需要预先写好的食谱；AI 告诉了他们要寻找什么，而“神奇平底锅”让这一切瞬间实现。
3. 味觉测试结果（表征）
在制作出薄膜后，他们检查了 AI 的预测是否正确。
- 稳定性： 他们证实了所制备的材料确实是稳定的，并且与计算机预测相符。
- 带隙： 他们测量了这些材料如何与光相互作用。AI 的“翻译官”模型非常准确，与实际的实验室测量值相比，其预测的能量水平误差极小。
- “风味”特征： 他们发现这些材料主要有两种“风味”：
- 硫代磷酸盐： 其中磷作为正向成分与硫结合。这些通常是良好的半导体（对电子设备有用）。
- 非硫代磷酸盐： 其中磷的作用不同，有时会直接与金属结合。这些可以是金属，或者具有完全不同的电子特性。
大局观
核心结论是，AI 和高速实验可以协同工作，从而解决困难的化学问题。即使对于像含有磷和硫这样难以制造的材料，你也不必花费数十年去猜测和尝试。
通过结合：
- 理论（计算机菜单），
- AI（智能翻译官），以及
- 高通量合成（一次制作 100 种汤的“神奇平底锅”），
该团队证明了我们可以快速发现并创造出此前难以找到的新材料。他们不仅仅是发现了一种新材料；他们建立了一个系统，可以寻找这一家族中的任何新材料，为更广泛的未来技术打开了大门。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。