谷歌DeepMind的研究人员利用深度学习方法，成功预测了多种无机材料系统中从无定形前驱体结晶而成的晶体产物的晶体结构，为材料科学和地球化学等领域的研究打开了新的大门。相关研究成果于2024年12月18日发表在《自然·计算科学》期刊上。

研究人员开发了一种名为无定形到晶体（a²c）的计算方法，首先利用分子动力学模拟生成具有一定短程有序的无定形结构模型，然后从这些模型中提取出大量的子结构，并利用深度学习模型对这些子结构进行弛豫，使这些子结构趋于能量最低状态，最后通过分析弛豫后的结构，识别出最有可能形成的晶体结构。

研究团队利用a²c方法成功预测了12种不同无机材料系统（包括氧化物、氮化物、碳化物、氟化物、氯化物、硫族化合物和金属合金等）的结晶产物。实验结果表明，a²c方法能够准确地预测从无定形前驱体中结晶而成的晶体产物的晶体结构，并且在多晶型选择性方面优于传统的随机结构搜索方法。

信息来源：

https://www.nature.com/articles/s43588-024-00752-y

https://mp.weixin.qq.com/s/VbDvnTypLqfpPKlmNg0yKA