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。

    在此前的研究基础上，南京大学物理系孙健教授和王惠田教授领导合作，总结了过渡金属和轻元素超硬混合物的三个特点：高压稳定和环境 - 压力亚稳晶体结构，非金属电子结构，以及大比例的轻元素。这些特性激发他们设计富含氮的钨氮化物，其中含有特殊的氮基基本配置，如环，链，网络和框架等。基于这些设计规则和新开发的机器学习晶体结构搜索方法，他们有成功预测出非金属富氮氮化钨h-WN6。它具有由氮六元环和钨原子形成的夹心状结构。

    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

    研究人员开发了一种机器学习加速晶体结构搜索方法，总结了超硬过渡金属轻元素化合物的设计规律，并预测了一种具有良好热稳定性的超硬和高能量密度氮化钨。该研究将激发这种具有潜在应用价值的过渡金属材料的理论设计和实验合成。这也将丰富超硬材料系列，并可用作理解硬度来源的参考。

更多关于材料方面、材料腐蚀控制、材料科普等方面的国内外最新动态，我们网站会不断更新。希望大家一直关注国家材料腐蚀与防护科学数据中心http://www.ecorr.org