面向晶体结构预测的深度学习方法
晶体结构研究是研究固体材料物理化学性质的基础,而筛选晶体结构通常基于能量最低原理,采用密度泛函理论计算结构能量需要大量计算资源及服务时间.为此本文提出了面向材料结构预测的深度学习方法,加快材料晶体结构的预测.本文从数据集优化、模型训练策略、算法优化等方面进行了深入研究,确定了应用于材料结构预测中深度学习的网络参数和优化算法.将确定的深度学习框架用于寻找Si单晶、TiO2和CaTiO3化合物的基态稳定结构,实验结果表明,利用本研究提出的深度学习方法预测的晶体结构与实验室制备材料结构相吻合.
深度学习;神经网络;训练策略;优化算法;结构预测
30
中国科学院信息化专项;国家自然科学基金;中国科学院前沿科学重点研究计划
2021-08-26(万方平台首次上网日期,不代表论文的发表时间)
共10页
40-49