机器学习加速发现二维平带材料
bravo_abad · x · 2026-07-13
**研究背景与挑战** 寻找具有平带电子结构的二维材料对研究非常规超导和关联磁性至关重要，但传统方法面临困境：既没有现成的标签，人为设定带宽阈值又会导致偏差，而依赖密度泛函理论（DFT）计算能带又难以大规模扩展。 **创新方法** - **物理评分机制**：研究者设计了一种结合最平坦能带带宽与态密度对比度的连续评分，并利用贝叶斯优化确定权重，为 5100 种材料生成了高质量标签。 - **多模态模型**：使用 ALIGNN 风格的图编码器处理化学键，结合 RoBERTa 处理对称性文本，通过双线性注意力融合。模型在测试集上达到 0.92 的皮尔逊相关系数。 **实验成果** 该模型仅凭原子坐标，就从 13724 个未标记结构中筛选出 588 个候选者。经过 DFT 验证，其中 98% 确实具有平带特征，包含 Nb3TeI7 等具备脆弱拓扑的新材料。 **核心价值** 这项研究证明了：当目标属性缺乏现成标签时，将物理知识编码进评分函数比单纯增大模型规模更有价值。它成功将耗时的 DFT 搜索简化为高效的结构排序步骤。