[发明专利]一种在约束条件下对晶体材料进行搜索的方法及装置

权利要求书

1.一种在约束条件下对晶体材料进行搜索的方法，其特征在于，包括步骤：

设置约束条件，并选取满足该约束条件的晶体结构库作为机器学习的样本；

对所选取的晶体结构库中的随机样本的晶体结构，采用CMC参数进行表征，所述CMC参数包括空间群数、超晶胞尺寸、和按分数坐标排序的不可约位置点的集合及其占据状态量；

采用已知的计算方法和实验手段获取所选取的晶体结构库中随机样本的特定性能参数，以得到具有晶体结构以及对应特定性能参数的样本库；

选取机器学习模型，利用获得的具有晶体结构以及对应性能参数的样本库对所述机器学习模型进行训练，以得到能够映射晶体结构CMC参数到特定性能参数的机器学习模型；

判断所述机器学习模型的精度是否符合要求，若符合要求，则进行下一步骤，若不符合要求，则重新选取机器学习模型；如果常用机器学习模型都不符合要求，则用晶体结构的一些隐含信息加入或替换已有的CMC参数作为晶体结构表征；

利用所述机器学习模型遍历待搜索晶体结构以得到其特定性能参数，并利用该特定性能参数进行材料筛选；

所述机器学习模型的精度是指机器学习模型的命中率，所述命中率定义为n/m，即找到最低能量n个结构需要最少机器学习模型得到的最低能量m个结构。

2.根据权利要求1所述的方法，其特征在于，其中所述隐含信息包括原子距离矩阵和/或簇团统计信息。

3.根据权利要求1所述的方法，其特征在于，所述约束条件包括：空间群种类、元素种类、空间群最大超胞大小、最大不可约位置数目以及最大不占据点阵比例。

4.根据权利要求1所述的方法，其特征在于，所述特定性能参数包括：结合自由能、声子谱、弹性模量中的一个或多个。

5.根据权利要求1所述的方法，其特征在于，所述占据状态量为占据元素组分种类的有限集合，其表征方式为名称、自然数、或者矢量。

6.一种在约束条件下对晶体材料进行搜索的装置，其特征在于，包括样本选取模块、样本晶体结构表征模块、样本性能参数获取模块、模型训练模块、精度判断模块、材料筛选模块；其中，

所述样本选取模块设置约束条件，并选取满足该约束条件的晶体结构库作为机器学习的样本；

所述样本晶体结构表征模块对所选取的晶体结构库中的随机样本的晶体结构，采用CMC参数进行表征，所述CMC参数包括空间群数、超晶胞尺寸、和按分数坐标排序的不可约位置点的集合及其占据状态量；

所述样本性能参数获取模块获取所选取的晶体结构库中随机样本的特定性能参数；

所述模型训练模块利用获得的具有晶体结构以及对应性能参数的样本库对机器学习模型进行训练，以得到能够映射晶体结构CMC参数到特定性能参数的机器学习模型；

所述精度判断模块判断所述机器学习模型的精度是否符合要求，若符合要求，则进行下一步骤，若不符合要求，则重新选取机器学习模型；如果常用机器学习模型都不符合要求，则用晶体结构的一些隐含信息加入或替换已有的CMC参数作为晶体结构表征；

所述材料筛选模块利用训练好的所述机器学习模型遍历待搜索晶体结构以得到其特定性能参数，并利用该特定性能参数进行材料筛选；

所述机器学习模型的精度是指机器学习模型的命中率，所述命中率定义为n/m，即找到最低能量n个结构需要最少机器学习模型得到的最低能量m个结构。

7.根据权利要求6所述的装置，其特征在于，其中所述隐含信息包括原子距离矩阵和/或簇团统计信息。

8.根据权利要求6所述的装置，其特征在于，所述约束条件包括：空间群种类、元素种类、空间群最大超胞大小、最大不可约位置数目以及最大不占据点阵比例。

9.根据权利要求6所述的装置，其特征在于，所述特定性能参数包括：结合自由能、声子谱、弹性模量中的一个或多个。

10.根据权利要求6所述的装置，其特征在于，所述占据状态量为占据元素组分种类的有限集合，其表征方式为名称、自然数、或者矢量。