使用潛在信息從首選勢能預測無機材料的介電張量

本研究利用從通用神經網絡勢能模型獲得的多階等變表徵,增強了對介電張量的預測。我們開發了一個等變讀出解碼器,能夠在保持O(3)等變性的同時預測總體、電子和離子介電張量,並將其性能與最先進的算法進行基準測試。通過對材料項目中熱力學穩定材料的虛擬篩選,我們發現了一些有前景的候選材料,包括Cs2Ti(WO4)3(帶隙Eg = 2.93eV,介電常數ε = 180.90)和CsZrCuSe3(各向異性比αr = 121.89)。這些結果證明了我們的模型在預測介電張量方面的準確性,以及其在發現新型介電材料方面的潛力。