关键词:
数据驱动
Atomly材料数据库
Kagome材料
范德瓦尔斯二维材料
非常规低维材料
摘要:
物质科学发展至今,经历了从经验科学到理论科学,再到理论计算模拟的研究范式转变。随着计算机技术的发展,当今物质科学领域已经开始步入以数据驱动为核心的物质科学研究模式。借助第一性原理计算工具,以超级计算机作为载体,通过高通量的方式批量产生材料数据,最后以数据库为容器去收集整理计算数据,形成计算材料数据库。利用计算材料数据库可以发掘具有新奇特征的化合物,加速了对未知材料的探索步伐。
本论文以Atomly材料数据库为数据支撑,筛选了新型量子材料与低维材料,具体内容如下:
(1)Kagome材料具有众多新奇物性,该系统对于理解如超导性和量子磁性等现象至关重要,它所展示的丰富的拓扑电子态,为研究新型量子计算机和实现拓扑量子计算提供了理想的物理系统。为了探索更多具有新奇物性的Kagome材料体系,通过材料数据库的方法去搜寻潜在的Kagome材料就有了迫切的必要。在这个背景下,我们以CsV3Sbs,CsV6Sb6和TbMn6Sn6三种当下受到广泛研究的Kagome材料为结构模版,通过元素替换去生成未知化合物,再计算其热力学稳定性,共筛选出了48种有望实验合成的Kagome材料,并分析了不同化合物间电子结构的变化规律。
(2)接着,基于拓扑缩放算法(TSA),从Atomly材料数据库中筛选出了所有的层状结构并剥离出范德瓦尔斯二维材料,再以高通量的方式,通过第一性原理计算二维材料的能量信息与电子结构信息,最终生成包含了9,213个材料信息的范德瓦尔斯二维材料数据库,对比了同C2DB数据库之间的差异,并从数据库中筛选出了潜在的59种二维铁电材料,69种由金属元素组成的Kagome结构的材料,以及54种由非金属元素组成的Kagome结构的材料。
(3)我们还研究了在低维材料领域,两类研究较少的非常规低维材料体系:非范德瓦尔斯二维材料、一维范德瓦尔斯链状材料。对于非范德瓦尔斯二维材料,由于该类材料对应的体相母结构并非是由范德瓦尔斯相互作用凝聚而成的层状结构,使得这类材料不适合用于识别层状材料的TSA算法去判别材料的可剥离性。我们开发出了一套专门用于判别非范德瓦尔斯材料可剥离性的算法与流程,利用该方式,成功剥离并计算出了6,590个非范德瓦尔斯二维材料的能量信息与电子结构,通过对这些结构的剥离能与热力学稳定性计算共筛选出了952个有望通过实验剥离的非层状结构。对于一维范德瓦尔斯链状材料的筛选,我们利用TSA算法,筛选并成功剥离出了4,374个一维范德瓦尔斯链状材料并对这些材料的组分进行了统计分析。
以数据驱动的方法在新型材料探索与性质预测中扮演着越来越重要的角色,通过使用数据库中的材料数据可以构建筛选与判别模型,以加快识别利于实验合成的最佳候选材料。本论文通过对Atomly材料数据库的筛选与发掘,研究了三类Kagome结构体系,给出了有望实验合成的化合物,生成了范德瓦尔斯二维材料数据库以及非常规低维材料数据库。