[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

说明书

本发明涉及一种在约束条件下对晶体材料进行搜索的方法及装置，通过对晶体结构采用CMC参数的离散表征方法，在约束条件下产生有限可数的点阵结构集合，计算晶体的特定性能参数，通过样本训练产生体现晶体结构与特定性能参数之间的映射关系的机器学习模型，并采用该模型实现对晶体材料的快速搜索。本发明在约束条件下产生有限可数的点阵结构集合，降低了直接搜索时的计算量，使得系统性穷举搜索在现有的计算条件上成为可能；建立了晶体的空间结构到物理性质的机器学习模型，通过遍历待搜索晶体结构以得到其特定性能参数，实现了材料的快速搜索；将利用机器学习模型得到的晶体结构再次作为样本进行学习，提高了所得机器学习模型的可信度。

技术领域

本发明涉及材料搜索技术领域，尤其涉及一种利用晶体结构的离散表征方法，在合理约束条件下对晶体材料进行搜索的方法及装置。

背景技术

材料科学中的主要问题是寻找适合应用的材料及其经济有效的生产方法。工程设计产生各种材料需求，而已知的材料往往不能满足工程的需要，就需要去发现新的材料或者通过复合材料的方法组合多种已知材料来满足工程需求。如何发现新材料是材料科学的核心问题。而在现有的计算条件下，如何对晶体结构实现系统性穷举搜索亟待解决。现有技术中，发明专利申请CN201911231873.2提出了晶体结构的离散表征方法，但是，即使采用该离散表征方法表示了无穷选择的这些真实参数，在进行直接搜索时的计算量仍然过高。

发明内容

基于现有技术的上述情况，本发明的目的在于提供一种利用晶体结构的离散表征方法，在合理约束条件下对晶体材料进行搜索的方法及装置，通过采用晶体结构的离散表征方法，采用晶体网格坐标CMC参数进行晶体结构表征，在约束条件下产生有限可数的点阵结构集合，以实现对晶体材料的快速搜索。

为达到上述目的，根据本发明的一个方面，提供了一种在约束条件下对晶体材料进行搜索的方法，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结构参数包括空间群数、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；

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。

进一步的，得到所述机器学习模型之后，还包括步骤：

判断该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，则返回重新选取机器学习模型。这里精度可以用机器模型的命中率来表达。给定组分的命中率可以定义为n/m比，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。如果常用机器学习模型都不符合要求，这就需要补充晶体结构的表述，用一些隐含信息加入或替换已有的CMC参数作为结构表达，比如加入原子距离矩阵甚至簇团统计信息等。

进一步的，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。

进一步的，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。

进一步的，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。

根据本发明的另一个方面，提供了一种在约束条件下对晶体材料进行搜索的装置，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、材料筛选模块；其中，