【背景介绍】
过去，新材料的发现主要通过实验试错或偶然性的发现，这两者都需要花费大量人力物力以及完成那些极具挑战性的实验。近十年来，利用计算系统地发现新材料已经成为了可能，而晶体结构预测（CSP）方法的发展为这一突破铺平了道路。而基于量子力学的晶体结构预测方法的发展，则加速了新材料发现。材料的性能常取决于它的结构，因此，结构预测是计算发现新材料的关键。目前，常采用两种互补的方法进行结构预测：一种是基于现有知识和晶体结构数据库的内容进行数据挖掘；另一种则基于强大的探索性的计算机算法，其能够在很少或没有预存知识的情况下进行预测。因此，新计算工具的发展使得许多新的和越来越复杂的材料结构得以预测。这些基于全局优化的、很少或没有经验知识的、广泛适用的预测方法，已被用于研究晶体结构，点缺陷，表面和界面。
【成果简介】
最近，俄罗斯斯科尔科沃研究院Artem R. Oganov教授团队综述了结构预测方法以及利用这些方法发现新材料的最新研究进展。作者首先讨论了结构预测方法，以及对研究不同材料系统的潜力。其中，作者着重关注和考察了基于强大探索算法的、可靠的非经验方法，并提供了通过这些理论计算方法发现新材料（包括超硬材料，超导体和有机材料）的实例。最后，作者展望了该领域的前景，总结了需要克服包括大系统使用，无序结构和温度的考量，可制备亚稳态结构及化学性质预测等方面的挑战。相关成果以“Structure prediction drives materials discovery”发表于Nature Reviews Materials.期刊上。
【图文导读】
图一、材料空间的绘制
（a）晶体Au8Pd4的能量图，显示低能量结构如何在一个区域聚集；（b）SinOm纳米粒子的稳定性图，脊和岛表明是稳定的，海洋表明不稳定的；（c）超导材料统计图。
图二、用晶体结构预测方法进行的综合预测
（a）在不同压力下，二元Na-Cl系统的凸壳。（b）在500 GPa下，三元Mg-Si-O系统的凸壳。浅蓝色符号表示亚稳态组分样本，圆圈表示稳定相;（c）NaCl3化合物的结构，具有电子局域函数的等值面（值从蓝色变为红色）;（d）化合物Na2He的结构，具有电子局域函数的间隙最大值，其在空立方体内显示为红色物体。
图三、晶体结构预测在块状晶体以外的系统中的应用
（a）单层冰在横向压力和有限宽度时的相图;（b）Cu-5（210）[001]晶界相的进化搜索和聚类分析；
图四、超导材料
【小结】
综上所述，在过去的十年里，许多基于第一性原理结构预测的成功例子表明，这些技术已经成为材料结构研究的核心，并开始成为材料发现的重要工具。因此，作者着重关注了基于计算的结构预测推动新材料发现的方法。同时，作者又补充了数据挖掘的方法，将这两种方法有效地结合起来，比如：利用已知的结构类型创建一个用于进化搜索的初始晶体结构群；用类似于Barnighausen树的群-子群关系以生成大多数已知的结构以及无数合理的新结构；依靠拓扑结构生成器来创建初始种群能显著加快进化结构的预测；通过全局优化发现全新的晶体结构和化合物等都能够使得更新更复杂材料结构得以预测。尽管这些新预测的化合物随后通过实验大都得到了证实，并且可以将这些案例再投进数据库中。然而，结构预测仍面临着许多挑战，包括处理大型系统的难度，无序结构和温度、可制备亚稳态结构及化学性质预测等等。但作者认为，新思想和新方法的急速发展，以及大量可获得的新型计算资源，比如：许多从头算法代码已经移植到图形处理单元、虚拟机技术几乎可以在任何架构使用等等都会促进更多复杂、精细结构的预测，从而推动新材料发现。
文献链接：Structure prediction drives materials discovery（Nature Reviews Materials.2019, DOI：https://doi.org/10.1038/s41578-019-0101-8）
本文由材料人计算组我亦是行人编译。
来源：材料牛
