🔬 materials science

Machine-learning octet $AB$ -type binary compounds across chemical space with domain knowledge of the interatomic bond

本文表明，通过利用从从头算双原子计算中导出的紧束缚模型来显式地引入原子间键的领域知识，与以往仅依赖标准原子特征的方法相比，显著提高了对八面体型 $AB$ 类二元化合物结构稳定性的机器学习预测性能。

原作者： Rohan Kumar (ICAMS Ruhr-Universität Bochum Germany), Mariano D. Forti (ICAMS Ruhr-Universität Bochum Germany), Aakash A. Naik (Department of Materials Chemistry BAM Berlin Germany, Institute of Conden

发布于 2026-08-11

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Rohan Kumar (ICAMS Ruhr-Universität Bochum Germany), Mariano D. Forti (ICAMS Ruhr-Universität Bochum Germany), Aakash A. Naik (Department of Materials Chemistry BAM Berlin Germany, Institute of Condensed Matter Theory and Optics Friedrich-Schiller-Universität Jena Germany), Luca M. Ghiringhelli (Scientific Computing Center Karlsruhe Institute of Technology Germany), Thomas Hammerschmidt (ICAMS Ruhr-Universität Bochum Germany)

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，你是一位试图建造完美乐高城堡的大师建筑师。你有一盒积木，但你不知道哪些能粘在一起组成坚固的塔楼，哪些只会坍塌成一堆乱七八糟的碎片。在材料科学的世界里，这就是预测原子如何排列自身的日常挣扎。原子就像微小而固执的乐高零件；有些喜欢紧紧地进行四向拥抱（形成一种被称为闪锌矿的结构），而有些则喜欢站在拥挤的六向圆圈中（形成岩盐结构）。科学家们几十年来一直在问的问题是：“是什么让一个原子选择其中一种舞步而非另一种？”

长期以来，研究人员一直试图通过观察原子的基本“身份证”来猜测答案——比如它们有多重、有多少个电子，或者它们多想从邻居那里偷走电子。这有点像试图仅通过知道一个人的年龄和身高来预测他们最喜欢的音乐流派。有时这很奏效，但经常会错过原子实际相遇时发生的微妙化学反应。寻找一种可靠的方法来预测哪种结构更稳定，目标在于此，因为了解这一点有助于我们在无需建造并破坏数千个物理原型的情况下，设计出更好的电池、太阳能电池和计算机芯片。

现在，一支新的研究团队决定不再根据“身份证”进行猜测，而是开始倾听原子之间真实的对话。他们意识到，要理解这场舞蹈，你需要理解化学键本身。他们没有仅仅观察舞者，而是构建了一个“虚拟显微镜”，以观察原子的电子在靠近时是如何摆动和相互作用的。他们使用了一种巧妙且低成本的计算机技巧——“紧束缚法”（tight-binding）来模拟这些相互作用，从而创建了一幅详细的局部电子邻里图谱。

论文表明，当你将这种“感知化学键”的信息输入机器学习模型时，预测结果会得到显著改善。把它想象成从一张模糊的黑白舞池照片升级到高清 3D 视频，视频清晰地展示了舞者是如何牵手跳舞的。研究人员将他们的新方法与仅使用基础原子数据的旧模型进行了对比。他们发现，通过引入这些新的“递归”特征——即捕捉原子如何一步步进行复杂结合的故事——他们的模型能够以更高的精度预测这些化合物的稳定性。

具体来说，当他们利用 82 种不同的二元化合物（两种元素的混合物）数据集来训练模型时，新方法在测试数据上将预测能量差的平均误差降低到了仅 0.046 eV，相比之下，旧模型的误差在 0.139 eV 左右，这是一个显著的进步。更令人印象深刻的是，当他们移除了一些让系统感到困惑的棘手“离群值”化合物后，误差甚至进一步降至 0.029 eV。这项研究表明，你在模型中包含的结合细节层数越多（直到达到某个临界点，比如第 6 阶递归），你的“水晶球”就会越准确。这是一个明确的信号：在材料的世界里，细节决定成败（魔鬼隐藏在化学键的细节之中），而机器学习终于学会了阅读这些细节。

技术摘要：结合原子间键合领域知识的机器学习八元 AB 型二元化合物化学空间研究

问题陈述
预测八元 AB 型二元化合物（具有两个元素且每个化学式单位包含八个价电子的化合物）的结构稳定性是材料信息学中的一个经典挑战。这些化合物结晶为闪锌矿（ZB，4 键四面体配位）或岩盐矿（RS，6 键八面体配位）结构。其稳定性受电荷转移、原子尺寸差异以及从共价键向离子键转变的复杂相互作用控制。尽管之前的机器学习（ML）方法已经利用了诸如价电子数、电离能和原子半径等原子特征，或通过符号回归寻找描述符，但仍需要系统地引入关于原子间键合的显式领域知识，以提高对两相形成能差（ $\Delta E_{AB}$ ）的预测精度。

方法论
作者提出了一种将原子间键合的领域知识直接编码到机器学习模型特征空间中的方法。该方法的核心在于：

基于键合信息的递归特征： 不同于仅依赖静态原子属性，作者利用紧束缚（TB）键模型计算局部电子结构描述符。成对哈密顿量（ $H_{i\alpha j\beta}$ ）源自对双原子分子的密度泛函理论（DFT）本征态进行下折叠（downfolded）处理后的结果，确保特征包含了 A–B 对特定的化学知识。
Lanczos 递归： 这些哈密顿量通过 Lanczos 算法被转化为三对角形式，生成递归系数（ $a_n$ 和 $b_n$ ）。这些系数代表了局部态密度（DOS），并捕捉高达第 $n$ 层邻居壳层的电子环境。
特征构建：
- AtomF： 一组基础原子属性（电负性、轨道半径、电离能等）。
- RecN： 计算 $n \leq 8$ 的基于递归的特征。为了处理结构依赖性，特征针对理想化的 RS 和 ZB 晶胞（根据 Vegard 定律进行缩放）进行计算，并使用算子（差值 $\Delta$ 和比率 $r$ ）在两种结构之间进行比较。
- 组合向量： 通过将 AtomF 与递增阶数的递归特征（Rec1 到 Rec8）进行拼接来构建特征向量。
机器学习架构：
- 集成策略： 鉴于数据集规模较小（82 个化合物，剔除异常值后减少至 78 个），采用集成方法以确保鲁棒性。工作流涉及 150 次重复的 ShuffleSplit 交叉验证。
- 序列特征选择（SFS）： 使用带有条件排除机制的贪婪前向搜索来为每个特征集选择最优描述符子集。
- 模型： 使用并结合了两类模型进行训练：带有多项式核的核岭回归（KRR）和用于符号回归的 SISSO（确定性独立筛选与稀疏化算子）。最终的集成预测是基于个体模型性能的加权平均。
数据集： 本研究使用了与之前参考文献 [3] 相同的 82 个八元二元化合物，预测形成能差 $\Delta E_{AB} = \Delta H_{F,AB}^{RS} - \Delta H_{F,AB}^{ZB}$ 。对异常值（BN, C2, LiBr, LiCl）进行了识别和分析，从而产生了两个数据集版本：D1（全部 82 个）和 D2（剔除异常值后的 78 个）。

关键结果
研究表明，与仅使用原子特征或之前的符号回归基准相比，引入基于键合信息的递归特征显著提高了结构稳定性的预测能力。

全数据集（D1）上的表现： 仅由原子特征（AtomF）训练的集成模型优于 Ghiringhelli 等人 [3] 的参考模型。然而，通过结合 AtomF 与最高 4 阶递归特征（AtomF + Rec4），达到了最佳性能。该配置在训练集上的平均均方根误差（RMSE）为 $0.015 \pm 0.002$ eV，在测试集上的 RMSE 为 $0.046 \pm 0.026$ eV，显著低于参考模型的测试 RMSE（ $0.139 \pm 0.088$ eV）。
精炼数据集（D2）上的表现： 在剔除异常值的数据集上，提升更为显著。AtomF + Rec6 模型实现的平均测试 RMSE 为 $0.029 \pm 0.010$ eV。这优于参考模型和 3D SISSO 集成模型（后者在较高的误差范围 $0.062–0.074$ eV 处达到平台期）。
鲁棒性： 引入递归特征不仅降低了平均误差，还显著提高了模型的稳定性。在 150 次拆分中，最大平均绝对误差（MAE）从 D1 上的 $0.382$ eV（参考模型）降至 $0.101$ eV（AtomF + Rec4），在 D2 上从 $0.155$ eV 降至 $0.045$ eV。
递归阶数： 结果表明，随着高阶递归特征的加入，预测精度在一定范围内（D1 为 4 阶，D2 为 6 阶）会随之提高，之后性能趋于收敛或略有下降，这表明最关键的键合信息被捕捉在前几层递归中。

意义与主张
本文声称，通过使用双原子分子 DFT 本征态的紧束缚模型生成的粗粒度局部电子结构表示（递归系数）来显式引入原子间键合的领域知识，可以系统且显著地提高八元二元化合物相稳定性的预测能力。

作者强调，这种方法利用了预先计算的、基于双原子分子 DFT 本征态的特定键合哈密顿量，从而生成能够捕捉配位和电荷转移核心物理特性的特征。通过利用这些基于领域知识的描述符，本研究证明了 ML 模型可以实现比使用相同训练数据的现有最先进符号回归模型更高的精度和鲁棒性，验证了将物理领域知识直接嵌入材料信息学特征工程过程中的效用。

类似论文