晶体性质预测模型

替代第一性原理

一种基于Mat2vec原子嵌入与图神经网络的晶体性质预测模型，可为材料研究者提供高效且准确的第一性原理计算替代方案。

Pandi, Teng · Chengyu, Fu · Shiru, Shen · 臧怀娟 · 方静 · 任永生 · 詹曙

Materials Today Communications 2025

技术优势

预测更准

模型通过Mat2vec原子嵌入结合坐标信息，并利用径向基函数扩展的高斯距离描述原子间相互作用，提升了晶体结构表征能力。

计算更快

基于图神经网络的推理远快于第一性原理计算，适合高通量筛选。

应用场景

• 电池材料筛选：快速预测电极/电解质材料的性质，加速筛选。
• 催化剂设计：用于催化剂的晶体性质预测，辅助设计。
• 钙钛矿太阳能电池：预测钙钛矿晶体性质，指导光伏材料开发。
• 半导体材料：预测半导体晶体性质，支持新材料发现。
• 纳米材料：对纳米材料的晶体结构进行性质预测，加快研发。