设置登录密码
*密码
*确认密码
完善信息
*真实姓名
*公司名称
*您的职位
城市
*邮箱
*主营产品
*行业
企业类型
材质
功能
来源：材料科技在线|
发表时间：2018-07-22
点击：22289
新型W-N相的晶体结构和理论电子结构。图片来源：©Science China Press
虽然机机器学习算法在很多领域取得了令人瞩目的进步，但其在晶体结构预测和材料设计方面的应用还有待开发。最近，南京大学物理系的孙健教授的研究团队实现了一种利用机器学习算法进行为晶体结构搜索的方法。通过使用机器学习算法来描述势能面，并用它来筛选晶体结构，提高晶体结构预测的搜索效率。
过渡金属和轻元素的杂化化合物，特别是过渡金属氮化物，由于其高不可压缩性和体积模量而被广泛研究。但是，尚未发现超硬钨氮化物（维氏硬度超过40GPa）。由钨原子的d价电子贡献的能带很容易穿过费米能级，和钨自身的金属性（化学反应中金属元素失去电子的能力）导致其硬度大大降低。因此，设计非金属氮化钨晶体结构将是制造出有超硬等突出的力学性能的材料的一种有效途径。
来自中国的一个合作研究团队将机器学习算法应用于晶体结构搜索方法，并利用他们的新方法预测了超硬氮化钨。他们的计算表明，这种化合物是目前已知的最硬的过渡金属氮化物，它还具有其他特殊性能，如高熔点温度和高能量密度。图片来源：©Science China Press
“本文由新材料在线®平台入驻媒体号材料科技在线提供，观点仅代表作者本人，不代表本网站及新材料在线®立场，本站不对文章内容真实性、准确性等负责，尤其不对文中产品有关功能性、效果等提供担保。本站提醒读者，文章仅供学习参考，不构成任何投资及应用建议。如需转载，请联系原作者。如涉及作品内容、版权和其它问题，请与我们联系，我们将在第一时间处理！本站拥有对此声明的最终解释权。”
