我国学者在晶体结构预测算法方面取得新进展

图 对称性原理加速的晶体结构生成器示意图

　　在尊龙凯时项目（批准号：T2495231）等资助下，南京大学孙建教授课题组提出了对称性原理加速的晶体结构预测新算法，大幅度提高了晶体结构预测效率（图）。相关研究成果以“基于对称性原理的高效晶体结构预测（Efficient crystal structure prediction based on the symmetry principle）”为题，于2025年2月27日发表在《自然·计算科学》（Nature Computational Science）杂志上，论文链接：http://www.nature.com/articles/s43588-025-00775-z。

　　晶体结构对材料的性质有决定性的影响。晶体结构预测是一种在特定条件下只根据系统化学组分来寻找稳定或亚稳态结构的方法，其不仅可以辅助实验确定精确的原子结构，还能通过高通量计算，指导新型功能材料的设计。晶体结构预测算法通常通过生成大量候选结构（数量从数百到数万不等），并基于自由能最小或其他物理性质（如硬度、带隙等）进行筛选，以确定最优结构。然而，由于搜索空间庞大，如何提高搜索效率始终是该领域的核心挑战之一。

　　孙建教授领导的研究团队基于晶体结构中广泛存在的对称性原理，设计了一种晶体结构预测新方案。该方案进一步升级了孙建教授课题组先前提出的机器学习与图论辅助的晶体结构预测框架MAGUS软件 (machine learning and graph theory assisted universal structure searcher, National Science Review 10, nwad128 (2023) )，在晶体结构搜索过程中更加强调对空间群对称性的偏好，避免对P1结构空间的探索，引入了保持对称性的进化算符来避免生成P1结构。另外，根据晶体结构间的超群-子群关系，研究团队使用空间群挖掘器取代随机选择某一空间群的采样方式，通过分析具有能量优势的结构的对称性，在进化算法的新一代结构中优先采样其相同的空间群和他们的超群。为了保护能量有利的原子环境，研究团队发展了片段重组器，暨使用图论分解能量有利的晶体结构，然后将分解得到的原子聚集体片段重组为新结构。

　　这些技术的组合可以使晶体结构搜索效率提升四倍以上，并在紫红磷基态、硅(111)-7×7表面等原先很难解决的大体系中找到最稳定结构。该研究有望为新型材料的设计以及行星内部物质的预测等新兴交叉领域提供新工具。该工作还被Nature Computational Science同期亮点评论（http://doi.org/10.1038/s43588-025-00779-9）。