中国粉体网讯 新材料的研究工作，不可避免的需要处理大量的试验数据，传统的研究工作需要凭借研究人员积累的经验来发现数据中的“亮点”。然而随着计算机科学的不断进步，相关材料基因组计划的推进，未来新材料的研究工作，或许可以借助计算机在规律预测上的作用节约研发时间和科研经费。在这其中，机器学习技术将扮演重要的角色。
超硬材料可以切割、钻孔和抛光其他物体。它们涂覆成防刮涂层，可以帮助保护昂贵的设备免受损坏。现在，科学技术的进步正在为具有这些性质的新材料研发开辟新的方向。
布法罗大学夏洛特分校的研究人员利用机器学习技术鉴定了43种以前不为人知的碳元素，这些碳元素被认为是稳定的、超硬的——其中包括几种预计比钻石略硬或几乎和钻石一样硬的碳元素。
插图：43种最新预测的超硬碳结构中的3种。
这项研究于9月3日发表在《npj计算材料》杂志上，结合了晶体结构的计算预测和机器学习来寻找新材料。这项工作仅是理论研究，这意味着科学家已经预测出了新的碳结构，但还没有创造出来。
布法罗大学的化学家Eva Zurek说:“钻石是目前市面上最坚硬的材料，但它们非常昂贵。我的同事在实验室里在钻石之间做挤压材料高压实验，他们时常抱怨钻石破裂导致实验成本上升。”
“我们想找到比钻石更坚硬的东西。如果你能找到其他坚硬的材料，就有可能使它们更便宜。它们也可能具有钻石所没有的有用特性。例如，它们与热或电的相互作用可能会不同。”
Zurek博士是UB艺术与科学学院的化学教授，他构思了这项研究并与杜克大学机械工程与材料科学教授Stefano Curtarolo博士共同领导了该项目。
对超硬材料的追求
硬度与材料抵抗变形的能力有关。一般物质维氏硬度试验测得硬度值超过40千兆帕便称为超硬材料。该研究的43种新碳结构预计都将达到这一阈值。据估计，有三种钻石的硬度超过了维氏硬度，但只超过了一点。Zurek还警告说：“虽然结果值得期待，但计算推测仍存在一些不确定性。”除了43种新形式的碳，这项研究还预测了一些其他团队在过去已经描述过的碳结构将是超硬的。
加快发现超硬材料
论文中使用的技术可以用于识别其他超硬材料，包括碳元素以外的材料。
Zurek说:“目前所知的超硬材料非常少，因此有兴趣寻找新的材料。关于超硬材料，我们知道的是它们有强结合键。碳碳键非常强，这就是我们研究碳的原因。其他通常存在于超硬材料中的元素来自元素周期表的同一侧，比如硼和氮。”
为了进行这项研究，研究人员使用了XtalOpt——Zurek实验室开发的一种用于晶体结构预测的开源进化算法——来为碳生成随机晶体结构。然后，研究小组使用机器学习模型来预测这些碳的硬度。最有希望的硬结构和稳定结构被XtalOpt用作“父结构”，以生成额外的新结构等。
使用自动流(AFLOW)数据库训练了用于估计硬度的机器学习模型，该数据库是一个巨大的材料库，其中包含已计算出的属性。Curtarolo的实验室维持着AFLOW的运转，并在此之前与北卡罗莱纳大学教堂山分校的Olexandr Isayev团队一起开发了机器学习模型。
“这是物质发展的加速。这总是需要时间的，但我们使用AFLOW和机器学习来大大加快这个过程”，Curtarolo说。“算法会自动学习，如果你对模型进行了良好的训练，算法将以合理的准确性预测材料的属性(在该试验中是硬度)。”
杜克大学机械工程和材料科学助理研究教授、该研究的合作者Cormac Toher博士说:“你可以用算法预测出最好的材料，并通过实验制造它们。”
参考资料：
Patrick Avery et al, Predicting superhard materials via a machine learning informed evolutionary structure search, npj Computational Materials (2019). DOI: 10.1038/s41524-019-0226-8
布法罗大学官网
（中国粉体网编辑整理/江岸）
注：图片来源网络，如侵权告知删除
