FTCP(Fourier-Transformed Crystal Properties)专为无机晶体的通用逆设计(即根据目标物性生成晶体结构)而开发。其核心创新在于融合实空间与倒空间特征,构建可逆表示,并通过变分自编码器(VAE)实现属性驱动的结构生成。
一、核心创新:可逆晶体学表示法 1. 实空间特征(Real-Space Features) - 功能:编码晶体结构的原子级细节,确保表示可逆(即能还原为有效晶体)。
- 组成:
- 元素矩阵:One-hot编码组成元素(如Al、O)。
- 晶格矩阵:晶胞参数(a, b, c, α, β, γ)。
- 位点坐标矩阵:原子分数坐标(x, y, z)。
- 位点占据矩阵:原子占据状态(One-hot编码)。
- 元素属性矩阵:电负性、共价半径等(来自CGCNN原子特征)。
- 优势:直接对应CIF文件信息,支持结构重建。
2. 倒空间特征(Reciprocal-Space Features) - 功能:引入晶体周期性对称性,增强物性预测能力。
- 数学形式:
其中,(hkl)为米勒指数,Zi为元素属性向量,(xi,yi,zi)为原子坐标。 - 物理意义:模拟X射线衍射结构因子,捕捉全局对称性(如衍射峰位置)。
- 优势:与实空间特征互补,提升生成结构的物性一致性。
二、模型架构:属性结构化潜空间 1. 变分自编码器(VAE)主干 - 编码器:3层1D卷积网络,将FTCP表示压缩为256维潜变量 z(高斯分布参数 μ,σ)。
- 解码器:对称转置卷积网络,从 z重构FTCP表示。
- 损失函数:
- 重构损失(L1):保证输入-输出一致性。
- KL散度:约束潜空间接近标准高斯分布。
2. 目标学习分支(Target-Learning Branch) - 功能:将潜变量 z映射到用户指定物性(如形成能 Ef 、带隙 Eg),引导潜空间按物性梯度组织。
- 数学形式:R(z)=σ(g(z))
其中g为全连接网络,σ为Sigmoid激活函数。 - 关键作用:实现属性结构化潜空间,支持通过物性目标采样新结构。
三、逆设计流程 1. 条件采样 - 策略:局部扰动(Lp),在目标物性对应的潜空间区域添加高斯噪声采样。
- 示例:
- 目标 Ef=−0.5eV/atom → 在训练集中 Ef接近的晶体潜点附近采样。
- 调整噪声尺度平衡探索-利用(尺度小:高保真;尺度大:高新颖性)。
2. 结构生成与后处理 - 步骤:
- 解码采样潜变量 → FTCP表示。
- 从实空间特征重建晶胞(元素、晶格、坐标)。
- DFT结构弛豫验证稳定性(过滤无效结构)。
- 关键创新:引入ICSD评分(合成可行性指标),优先生成实验可合成结构。
四、性能验证:三案例DFT实证 案例1:形成能( EfE_fEf )目标设计 - 目标:生成 Ef=−0.5eV/atomE_f = -0.5 \text{eV/atom}Ef=−0.5eV/atom 的晶体。
- 结果:
- 成功率 38.9%(7/18),如 Ag2MgNb、 LiRu2Zr。
- 比随机筛选效率高 270%。
案例2:带隙( EgE_gEg )与形成能双目标 - 目标: Eg=1.5eVE_g = 1.5 \text{eV}Eg=1.5eV 且 Ef<−1.5eV/atomE_f < -1.5 \text{eV/atom}Ef<−1.5eV/atom。
- 结果:
- 成功率 36.8%(7/19),如 BaNaSeF、 RbScS2。
- 比随机筛选效率高 560%。
案例3:热电功率因子优化 - 目标:最大化功率因子( 0.3eV≤Eg≤1.5eV, Ef<0eV/atom)。
- 结果:生成 Au2Sc2O3等材料,功率因子媲美最优热电材料GeTe。
五、优势与局限 优势 - 通用性:支持任意元素组合与晶体结构(突破传统模板限制)。
- 可逆性:FTCP表示可精确还原晶体结构(CIF文件)。
- 高效性:比扩散模型(如DiffCSP)采样速度快10倍,成功率提升2倍。
局限 - 无序结构:无法生成占位无序晶体(如K₂NaTiOF₅中O/F共享位点)。
- 实验验证:生成结构需DFT弛豫,部分材料实验合成失败(如Mn₂Co₂Si₅分解)。
- 不变性挑战:表示对原子位点顺序敏感,旋转/平移不变性未完全解决(表S8)。
六、总结 FTCP通过可逆表示法+属性结构化潜空间,首次实现无机晶体的通用逆设计,生成结构经DFT验证符合目标物性。其开源实现(GitHub: PV-Lab/FTCP)为新材料发现(如光伏、热电)提供新范式。未来方向包括:增强无序结构支持、融合实验合成先验知识、拓展至纳米材料设计。
引用:Z. Ren, etal., An invertible crystallographic representation for general inverse designof inorganic crystals with targeted properties, Matter, 2022, 5, 314–335.
|