[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

WO2018009090A1 - Компьютерно реализуемый способ поиска кристаллических структур - Google Patents

Компьютерно реализуемый способ поиска кристаллических структур Download PDF

Info

Publication number
WO2018009090A1
WO2018009090A1 PCT/RU2016/000421 RU2016000421W WO2018009090A1 WO 2018009090 A1 WO2018009090 A1 WO 2018009090A1 RU 2016000421 W RU2016000421 W RU 2016000421W WO 2018009090 A1 WO2018009090 A1 WO 2018009090A1
Authority
WO
WIPO (PCT)
Prior art keywords
space
compositions
chemical
optimization
systems
Prior art date
Application number
PCT/RU2016/000421
Other languages
English (en)
French (fr)
Inventor
Артем Ромаевич ОГАНОВ
Шамсоллах Аллахари ЗАХЕД
Original Assignee
Артем Ромаевич ОГАНОВ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Артем Ромаевич ОГАНОВ filed Critical Артем Ромаевич ОГАНОВ
Priority to RU2019103444A priority Critical patent/RU2019103444A/ru
Priority to PCT/RU2016/000421 priority patent/WO2018009090A1/ru
Priority to US16/325,123 priority patent/US20190220484A1/en
Priority to EP16908264.1A priority patent/EP3483757A1/en
Publication of WO2018009090A1 publication Critical patent/WO2018009090A1/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Definitions

  • the present invention relates to the field of crystallography, and more specifically to the field of computer-implemented methods for modeling and predicting crystal structures.
  • the claimed method can be used to design new materials with desired properties for specific purposes, search for stable crystal structures of families of compounds, study stability under various anomalous conditions, etc.
  • the task of predicting crystalline structures is the main task of theoretical crystallography.
  • the first such successful method was the SUCCESS method (Eng. USPEX - Universal Structure Predictor: Evolutionary Xtallography).
  • the method is based on the use of evolutionary algorithms.
  • the initial parameters are entered - a set of atoms, among the compounds of which new elements will be searched, as well as, if necessary, specific conditions, such as conditions for stopping the search process, required characteristics, type of compounds, etc.
  • specific conditions such as conditions for stopping the search process, required characteristics, type of compounds, etc.
  • a space of various structures is randomly generated, including the required atoms and satisfying the entered conditions.
  • the closest analogue of the present invention is a method (Cerqueira, Tiago FT, et al. "Materials design on-the-fly.” Journal of chemical theory and computation 11.8 (2015): 3955-3960), which combines structural search using the Minima Hopping method with an evolutionary search in space of chemical compositions (for brevity, we will call this approach the Minima Hopping method below).
  • This method implements the ability to search for structures in the whole space of possible combinations of given chemical elements, or even in the whole space of chemical compounds in general.
  • this method has significant drawbacks - high complexity and calculation time with a relatively low probability of finding the desired element, and also practically does not take into account the stability of the compounds found.
  • the shortcomings of the closest analogue are due to the fact that the elements in the construction of the space are ranked by serial number. This significantly reduces the efficiency of evolutionary algorithms, since the chemical space loses a simple structure, and materials with similar properties appear in completely different areas of the chemical space (for example, compounds of chromium, molybdenum, tungsten), while completely different compounds (for example, fluorine, neon and sodium) are nearby.
  • Minima Hopping method cannot try different ratios of the same elements. For example, having found a MpV compound, he is unlikely to be able to find M11B4. This greatly reduces the likelihood of detecting the desired element under difficult initial conditions.
  • Minima Hopping method An important disadvantage of the Minima Hopping method is the lack of taking into account the stability of the predicted compounds and the likelihood of their decomposition into others.
  • the objective of the present invention is to provide a computer-implemented method for finding stable crystalline structures in the entire space of possible chemical compounds.
  • the technical result provided in comparison with the closest analogue can be formulated as an increase in speed and reliability of the search.
  • the claimed method works at least 10 times faster than the closest analogue, while finding a greater number of stable compounds and assessing their stability.
  • the present method implements the ability to search by several criteria, which does not allow the Minima Hopping method.
  • a computer-implemented method for searching for crystal structures includes:
  • initial data which consists of at least one property for optimization and at least the maximum level of complexity of the systems in question;
  • each point of the chemical space of compositions contains for its corresponding a set of chemical elements all their possible compositions, as well as all possible crystal structures of all compositions;
  • the method is also characterized in that the properties for optimization can be physical properties, in particular electrical, optical, thermal properties, hardness, plasticity parameters, elastic modules or thermodynamic stability, or combinations thereof, in the case of selecting several properties, optimization is carried out, for example , by the Pareto criterion.
  • the method also characterized in that the input of initial data may also include a list of chemical elements and / or complex ions from which the chemical space of the compositions will be formed;
  • transmutation AB — AC, where C is an element lying close to B in the space of Mendeleev numbers, or in space is an atomic radius-electronegativity; first cross: AB + CD - »AC or BD
  • the method also characterized in that the initial data may further include: - type of calculation;
  • the elements are ranked by the value of the Mendeleev numbers in one embodiment, or by the values of electronegativity and atomic radius in another embodiment.
  • the formation of the composition space is performed, which includes all the compositions of compounds allowed by the specified conditions.
  • the admissible complexity is set by the user. So, the user has the ability to limit the search to simple, binary, ternary or more complex systems.
  • the properties and / or criteria for optimization are set. There may be several such properties or criteria. As such properties and / or criteria, for example, hardness, or stability, or optical, or electrical, or other properties determined by the structure of the substance can be selected.
  • the search results for different points of the composition space are compared and then, according to the results of the comparison, a new composition space is formed.
  • Education occurs by discarding the least promising points and combining some of the most promising using transmutation or crossover operations.
  • New searches are launched both in random areas of the composition space and in areas resulting from relatively conservative substitution, where one element is replaced by its close analogue (for example, BN -> CN), where the proximity criterion for the elements is the proximity of their Mendeleev numbers (first option) or proximity of relevant them points in space radius-electronegativity (second option).
  • Fig. 3 is a drawing illustrating an example implementation of the claimed method.
  • Figure 4 is a drawing illustrating an example implementation of the claimed method.
  • Mendeleev numbers (not to be confused with the serial number of elements in the periodic table) or, in other sources, the Pettifor map, Eng. Mendeleev numbers are numbers characterizing the chemical and physical properties of chemical elements. First obtained empirically for some elements in the 1980s by prof. David Pettifor (see Pettifor, DG (1984). A chemical scale for crystal-structure maps. Solid state communications, 51 (1), 31-34). For the purposes of the present invention, Mendeleev numbers have been given a reasonable physical meaning. It was found that the magnitude of the Mendeleev numbers is proportional to electronegativity on the Pauling scale and the magnitude of atomic radii.
  • atomic radii can be defined as half the shortest interatomic distance in a theoretically relaxed primitive cubic structure of a pure element.
  • atomic radii can be defined as half the shortest interatomic distance in a theoretically relaxed primitive cubic structure of a pure element.
  • Mendeleev's search is a term first coined by the inventors and mentioned at a number of scientific conferences, as well as in popular science articles and interviews (see Oganov, Artem. "Discovering new materials and new phenomena with evolutionary algorithms.” APS Meeting Abstracts. 2016. , open lectures of MTF-2016, presentation by A. Oganov - http://fea.ru/news/6384, etc.).
  • This concept characterizes a new opportunity in predicting crystal structures and material design - a search by combinations of all elements of the periodic table (and, if necessary, complex ions can also be included in the search).
  • the term can be considered known from the prior art.
  • the term “evolutionary search” should be understood as broadly as possible (unless otherwise indicated) and include not only classical evolutionary algorithms, but also all derivatives of evolutionary algorithms, such as particle swarm optimization, artificial bee colony, coevolutionary methods, and etc. Based on the following description, it will be obvious to a person skilled in the art that such a broad interpretation is justified and that derivatives of evolutionary algorithms can be used in the present invention instead of classical evolutionary algorithms.
  • the term "chemical elements” or “elements of the chemical space” should be understood (unless otherwise indicated) not only directly to the elements of the periodic table, but also complex ions (such as SOz 2 " , OH " , etc.) and / or simply constituents of the chemical composition, for example, simple oxides in the case of the search for complex oxides, silicates, etc. Based on the following description, it will be obvious to a person skilled in the art that such an extension of the term “chemical element” is permissible and does not affect the feasibility of the present invention, as well as the achievement of the claimed technical result.
  • Figure 2 presents a block diagram of the claimed method.
  • the numbers indicate the stages of modeling. At the first stage 1, before starting the simulation algorithm directly, input of initial data, optimization criteria of the structure is required and stopping conditions. As the initial data, it is necessary to indicate the maximum permissible complexity of chemical systems. For example, you can specify binary (ApB) ternary (AnB m Ci) or more complex systems. Also, when specifying the initial data, you can artificially limit the number of chemical elements (for example, you can specify only a search for oxides of rare earth elements, or only compounds of alkali metals). This can be useful if we imagine where the compound we are looking for can be located or are engaged in the design of materials for production purposes, which has a limited selection of raw materials.
  • Optimization criteria may be the properties of a substance, determined by its structure.
  • the criteria may be, for example, electrical, optical, thermal or other properties.
  • a hardness criterion, ductility parameters, elastic moduli or other properties may be selected.
  • Possible optimization according to stability criteria Possible optimization according to stability criteria.
  • Complex criteria systems may also be selected, for example, a combination of several of the criteria listed under specific conditions.
  • Other criteria may be the temperature and pressure of phase transitions or the lifetime before decay into simpler components. Based on the following description, it will be clear to a specialist that the list of criteria for possible optimization is open. As stopping conditions, this type of algorithm usually indicates the number of iterations during which the chemical system remains unchanged. However, other options are also possible for specifying stopping conditions, for example, the total number of cycles, or for attaining any characteristics from the given optimization criteria.
  • the space of chemical compositions is ordered.
  • the initial space is 21M-dimensional and all the elements are arranged along the axes in accordance with their position on the plane. Atomic radius - electronegativity. It is possible to build more complex 3N, 4N, etc. systems where additional properties of chemical elements are added to atomic radii and electronegativities.
  • the formation and ordering of the chemical space 2 is one of the most important stages of the present method.
  • the ordering of chemical elements according to their Mendeleev numbers (or radius-electronegativity pairs) provides a chemical space in which chemical elements with similar properties are located side by side (for example, compounds of alkali metals or metals of group IV will be nearby, while compounds of aluminum and silicon will be spaced). This significantly affects the speed of the claimed method, the required computing power, and also allows you to solve more complex problems than the closest analogue (the Minima Hopping method, in which ranking is by the serial numbers of elements in the periodic table).
  • a set of evolutionary searches 3 is carried out at randomly selected points in the space of chemical compositions.
  • Such searches are currently well developed (see, for example, SUCCESS, Calypso methods, the method of evolutionary metadynamics, etc.). It will be obvious to a specialist that a search at any point in the space of chemical compositions is a well-developed and studied search and optimization for a specific set of atoms. For the purposes of the present invention, as well as from the standpoint of the claimed technical result, the particular type of algorithm used does not play a fundamental role.
  • the results of step 3 are a set of compounds optimized according to the criteria specified in step 1 for the selected points.
  • Such an analysis includes comparing the results and ranking them in accordance with the optimization criteria specified in step 1.
  • weights are assigned that characterize the compliance of the results obtained in them with optimization criteria.
  • the least promising points of space are marked as unpromising, and the most promising points are the opportunity to participate in the formation of a new space of compositions. In a preferred embodiment, about 60% of the points at which evolutionary searches were conducted take part in the formation of a new space.
  • the formation of a new space of chemical compounds 5 is formed.
  • the points marked in stage 4 as unpromising are excluded from the new chemical space, and those selected in stage 4 as perspective points are involved in the formation of new points.
  • the formation is carried out by one of three operations:
  • Cross 1 AB + CD - AC or BD
  • Cross 2 AB + CD—> ⁇ AF, where F is an element lying between B YL D or between C and D in the chemical space (in the space of Mendeleev numbers, or in the space of radius-electronegativity).
  • part of the new composition space is formed by some random part of the old composition space.
  • step 7 the fulfillment of the stopping criterion specified at step 1 is checked.
  • the fulfillment of the invariance of the chemical space during a certain number of iterations is checked (4-5-6).
  • more complex stopping criteria are also possible.
  • step 4 If the stopping criteria are not met, a return to step 4 occurs, however, the search results that are performed in the "child" space are the results of step 8. Next, iteratively repeats the steps 4-7 until the stop criterion specified in step 1 is met in step 7.
  • step 7 In the event that the stop condition specified in step 1 is satisfied as a result of the check in step 7, the action cycle 4-7 stops. After the stop, information 9 is output. All information about the final state of the composition space, as well as “convenient” information about the most promising compounds, can be displayed. Additionally, information describing the search can be displayed - the history of changes in the composition space, the number of iterations, etc.
  • FIG. 3 and FIG. 4 shows examples of the operation of the claimed method in the form of drawings - diagrams.
  • FIG. 3 is a binary diagram of the MA-MB for searching for compounds with maximum hardness.
  • the terrain was obtained by interpolating the calculated data and shows the most promising areas of compositions (light areas are more promising, dark areas are less). Illustration of a completely first-principle material search with maximum hardness. In this calculation, the maximum allowed level of complexity is binary compounds, i.e. all connections AnB m of all elements of the periodic table.
  • the maximum corresponds to carbon in the diamond structure; superhard carbides, nitrides, and borides have also been found — some of which are new materials and are now being studied in detail. Such a calculation required relaxation of only about 10,000 structures, which indicates the enormous effectiveness of the method.
  • FIG. 4 is a pseudobinary chart for searching complex oxides with a minimum dielectric constant.
  • the terrain was obtained by interpolating the calculated data and shows the most promising areas of compositions (low values - dark color, high - light color). Illustration of simultaneously minimizing the dielectric constant and maximizing the stability of complex oxides.
  • Combinations of only 12 simple oxides are considered - in the sequence (corresponding to the sequence of Mendeleev numbers of cations) 1- K 2 0, 2-BaO, 3-SrO, 4-CaO, 5 - Na 2 0, 6 - Li 2 0, 7 -Sc 2 0 3 , 8 - MgO, 9 - ⁇ 1 ⁇ 2, 10 - AI2O3, 11 - OagO3, 12 - S1O2.
  • the most promising low-k materials correspond to the S1O2 composition, which is actively used in microelectronics in this function.
  • FIG. Figure 4 shows that the calculation very effectively focuses on the most promising composition range, avoiding unpromising areas. It is also seen that the chemical space really has a structure convenient for evolutionary optimization with an “island of optimal properties”, in contrast to the known analogues.
  • the algorithm described in the framework of the present description may be recorded on a computer-readable medium for further action on it using a processor.

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Изобретение относится к способам прогнозирования кристаллических структур. Сущность изобретения заключается в том, что при построении пространства элементы ранжированы по значению Менделеевских чисел или по значениям электроотрицательности и атомного радиуса. На первом этапе, в зависимости от заданных условий сложности искомых систем производится формирование пространства составов, которое включает все допустимые заданными условиями составы соединений. При этом допустимая сложность задается пользователем. Также на первом этапе производится задание свойств и/или критериев для оптимизации. Поиск производится в каждой точке полученного пространства с применением эволюционных алгоритмов. С определенной периодичностью, результаты поиска для разных точек пространства составов сравниваются и затем, по результатам сравнения образуется новое пространство составов. Образование происходит путем отброса наименее перспективных точек и объединения части наиболее перспективных при помощи операций трансмутации или скрещивания. Новые поиски запускаются как в случайных областях пространства составов, так и в областях, являющихся результатом относительно консервативного замещения, где один элемент замещается его близким аналогом, где критерием близости элементов является близость их Менделеевских чисел или близость соответствующих им точек в пространстве радиус, электроотрицательность. Вышеописанный коэволюционный поиск повторяется до момента неизменности результата на протяжении нескольких итераций. Технический результат заключается в существенном повышении быстродействия Менделеевского поиска.

Description

Компьютерно реализуемый способ поиска кристаллических структур
Настоящее изобретение относится к области кристаллографии, а точнее к области компьютерно-реализуемых методов моделирования и предсказания кристаллических структур. Заявленный способ может применятся для дизайна новых материалов с заданными свойствами для определенных целей, поиска устойчивых кристаллических структур семейств соединений, изучения устойчивости при различных аномальных условиях и т.д.
Задача предсказания кристаллических структур - основная задача теоретической кристаллографии.
До 2006 года данная задача не имела какого-либо общего решения - не существовало достаточно универсального алгоритма выявления устойчивых соединений. Первым таким успешным методом стал метод УСПЕХ (англ. USPEX - Universal Structure Predictor: Evolutionary Xtallography). В основе метода лежит использование эволюционных алгоритмов. На первом этапе метода происходит ввод начальных параметров - набора атомов, среди соединений которых будет производится поиск новых элементов, а также, при необходимости специфичных условий, типа условий остановки процесса поиска, требуемых характеристик, типа соединений и т.д. Далее, на основе введенных данных случайным образом генерируется пространство различных структур, включающих требуемые атомы и удовлетворяющих введенным условиям. Затем происходит итерационная оптимизация данной структуры с условием минимизации свободной энергии - параметра, характеризующего устойчивость структуры. Для целей оптимизации применяются эволюционные алгоритмы - новое пространство получают из старого путем использования операций из заданного набора. Метод позволяет с большой вероятностью находить все устойчивые структуры для заданного набора атомов. Недостатками оригинального метода (см. заявку РСТ WO 2007071095 А, опубл. 28.06.2007) является ограниченность по количеству начальных атомов, относительно (в сравнении с современными методами) низкая скорость работы, возможность предсказания структур лишь с известным набором атомов.
Эффективность метода УСПЕХ показало большую перспективность применения эволюционных методов, что подтолкнуло их развитие. Это привело, в том числе, к объединению метода УСПЕХ с ранее применявшимися методами метадинамики. Сущность нового метода заключается в том, что оптимизация эволюционными методами производится не для пространства химических элементов, а для пространства параметров, входящих в выражение свободной поверхности энергии, таких как длина связей, торсионных углов и др. Данный метод получил название эволюционной метадинамики (Zhu, Qiang, et al. "Generalized evolutionary metadynamics for sampling the energy landscapes and its applications." Physical Review В 92.2 (2015): 024106). Несмотря на большую эффективность, данный метод, как и оригинальный УСПЕХ обладает существенным недостатком - невозможностью поиска структур с неизвестным набором атомов.
На сегодняшний день известно также множество иных модификаций метода УСПЕХ (см. например патент US 9009009 В2, опубл. 14.04.2005, заявка РСТ WO 2014004370 А1). Однако все эти модификации направлены на оптимизацию скорости работы, но не обеспечивают возможность поиска среди всех возможных соединений.
Известно также о попытках копирования ряда приемов оригинального метода УСПЕХ (Wang, Yanchao, et al. "CALYPSO: A method for crystal structure prediction." Computer Physics Communications 183.10 (2012): 2063-2070). Однако всем подобным методам присущи и недостатки оригинального УСПЕХа - невозможность поиска соединений с различными комбинациями атомов или поиска по всему пространству существующих элементов.
Наиболее близкими аналогом настоящего изобретения является метод (Cerqueira, Tiago FT, et al. "Materials design on-the-fly." Journal of chemical theory and computation 11.8 (2015): 3955-3960), который сочетает структурный поиск методом Minima Hopping с эволюционным поиском в пространстве химических составов (для краткости ниже будем именовать этот подход методом Minima Hopping). В данном методе реализована возможность поиска структур во всем пространстве возможных комбинаций заданных химических элементов, или даже во всем пространстве химических соединений вообще. Однако данный метод обладает существенными недостатками - высокой сложностью и временем расчетов при относительно низкой вероятности обнаружения нужного элемента, а также практически не учитывает стабильность найденных соединений.
В первую очередь, недостатки ближайшего аналога обусловлены тем, что элементы при построении пространства ранжированы по порядковому номеру. Это значительно снижает эффективность эволюционных алгоритмов, поскольку химическое пространство теряет простую структуру, а похожие по свойствам материалы оказываются в совсем разных областях химического пространства (например соединения хрома, молибдена, вольфрама), при этом совсем разные соединения (например фтора, неона и натрия) оказываются рядом.
Другим важным недостатком является то, что в силу своих особенностей, метод Minima Hopping не может опробовать разные соотношения одних и тех же элементов. Например, найдя соединение МпВ, он вряд ли сумеет найти М11В4. Это значительно снижает вероятность обнаружения нужного элемента при сложных начальных условиях.
Важным недостатком метода Minima Hopping является и отсутствие учета стабильности предсказываемых соединений и вероятности их распада на другие.
Задачей настоящего изобретения является создание компьютерно-реализуемого способа поиска устойчивых кристаллических структур во всем пространстве возможных химических соединений.
Технический результат, обеспечиваемый в сравнении с ближайшим аналогом, может быть сформулирован как повышение быстродействия и надежности поиска. Заявленный способ работает, по меньшей мере, в 10 раз быстрее, нежели ближайший аналог, при этом находя большее число устойчивых соединений и оценивая их стабильность. Также, в настоящем способе реализована возможность поиска по нескольким критериям, что не позволяет делать метод Minima Hopping.
Техническая задача решается, а результат достигается тем, что:
Компьютерно реализуемый способ поиска кристаллических структур, включающий действия, выполняемые с помощью процессора, включает в себя:
ввод начальных данных, которые состоят из по меньшей мере одного свойства для оптимизации и по меньшей мере максимального уровня сложности рассматриваемых систем;
в одном варианте построение химического пространства составов размерности N, где N - максимальный уровень сложности рассматриваемых систем, по осям которого выстроены все химические элементы и/или комплексные ионы в соответствии с значениями их Менделеевских чисел, при этом каждая точка химического пространства составов содержит для соответствующего ей набора химических элементов все возможные их составы, а также все возможные кристаллические структуры всех составов;
в другом варианте построение химического пространства составов размерности 2N, где N - максимальный уровень сложности рассматриваемых систем, по осям которого выстроены все химические элементы и/или комплексные ионы в соответствии с их положением в пространстве атомный радиус-электроотрицательность, при этом каждая точка химического пространства составов содержит для соответствующего ей набора химических элементов все возможные их составы, а также все возможные кристаллические структуры всех составов;
проведение в случайных точках химического пространства составов эволюционных поисков;
проведение цикла действий, которые включают:
ранжирование результатов поисков по степени соответствия заданному для оптимизации свойству;
получение на основе наиболее соответствующих свойству оптимизации систем нового химического пространства составов, в которое включается также несколько случайных точек из начального химического пространства составов;
в случае если химическое пространство составов не изменяется на протяжении большого числа итераций, завершение цикла, а если нет, то проведение в новом химическом пространстве составов эволюционных поисков и повторение цикла;
Способ также отличающийся тем, что свойствами для оптимизации могут являться физические свойства, в частности электрические, оптические, тепловые свойства, твердость, параметры пластичности, упругие модули или термодинамическая стабильность, или их комбинации, при этом в случае выбора нескольких свойств, оптимизация проводится, например, по критерию Парето.
Способ также отличающийся тем, что ввод начальных данных может также включать перечень химических элементов и/или комплексных ионов, из которых будет сформировано химическое пространство составов;
Способ также отличающийся тем, что новое химическое пространство получается на основе наиболее соответствующих свойству оптимизации систем в результате одной из следующих операций:
трансмутация: АВ— АС, где С - элемент, лежащий близко к В в пространстве Менделеевских чисел, либо в пространстве атомный радиус-электроотрицательность; первое скрещивание: АВ + CD -» AC or BD
второе скрещивание: АВ + CD— AF , где F - элемент, лежащий между В и D или между С и D в пространстве Менделеевских чисел, либо в пространстве атомный радиус-электроотрицательность ;
Способ также отличающийся тем, что начальные данные могут дополнительно включать в себя: - тип расчета;
- число одновременно рассматриваемых систем;
- размер популяции в каждом составном расчете для каждой системы и соотношения вариационных операторов;
- продолжительность расчета для каждой системы, после которой отбираются наиболее успешные системы для создания нового химического пространства составов;
- параметры структурной релаксации и расчетов энергий и свойств структур;
Сущность изобретения заключается в том, что компьютерно реализуемый способ, включающий последовательность действий, совершаемых при помощи процессора над сигналами, характеризуется тем, что:
При построении пространства элементы ранжированы по значению Менделеевских чисел в одном варианте, или по значениям электроотрицательности и атомного радиуса в другом варианте осуществления.
На первом этапе, в зависимости от заданных условий сложности искомых систем, производится формирование пространства составов, которое включает все допустимые заданными условиями составы соединений. При этом допустимая сложность задается пользователем. Так, пользователь имеет возможность ограничить поиск простыми, бинарными, тернарными или более сложными системами.
Также на первом этапе производится задание свойств и/или критериев для оптимизации. Таких свойств или критериев может быть несколько. В качестве таких свойств и/или критериев могут быть выбраны, например, твердость, или стабильность, или оптические, или электрические, или иные свойства, определяющиеся структурой вещества.
Поиск производится в каждой точке полученного пространства с применением эволюционных алгоритмов.
С определенной периодичностью, результаты поиска для разных точек пространства составов сравниваются и затем, по результатам сравнения образуется новое пространство составов. Образование происходит путем отброса наименее перспективных точек и объединения части наиболее перспективных при помощи операций трансмутации или скрещивания. Новые поиски запускаются как в случайных областях пространства составов, так и в областях, являющихся результатом относительно консервативного замещения, где один элемент замещается его близким аналогом (например, B-N -> C-N), где критерием близости элементов является близость их Менделеевских чисел (первый вариант) или близость соответствующих им точек в пространстве радиус-электроотрицательность (второй вариант).
Вышеописанный коэволюционный поиск повторяется до момента неизменности результата на протяжении нескольких итераций, число которых может быть задано на начальном этапе.
Вышеописанные черты и преимущества настоящего изобретения, а также способы их достижения станут более понятны после ознакомления с описанием примеров реализации со ссылками на фигуры чертежей, на которых:
Фиг.1 - Таблица соответствия Менделеевских чисел химическим элементам.
Фиг.2 - блок-схема алгоритма действий заявленного способа.
Фиг.З - рисунок, поясняющий пример осуществления заявленного способа.
Фиг.4 - рисунок, поясняющий пример осуществления заявленного способа.
Для целей дальнейшего описания стоит пояснить некоторые термины и определения.
Менделеевские числа (не путать с порядковым номером элементов в таблице Менделеева) или, в других источниках карта Петтифора (Pettifor map), англ. Mendeleev numbers - числа, характеризующие химические и физические свойства химических элементов. Впервые получены для некоторых элементов эмпирическим путем в 1980-х годах проф. Дэвидом Петтифором (см. Pettifor, D. G. (1984). A chemical scale for crystal-structure maps. Solid state communications, 51(1), 31-34). Для целей настоящего изобретения, Менделеевским числам был дан обоснованный физический смысл. Было установлено, что величина Менделеевских чисел пропорциональна электроотрицательности по шкале Полинга и величине атомных радиусов. Для целей настоящего изобретения атомные радиусы могут быть определены как половина кратчайшего межатомного расстояния в теоретически релаксированной примитивной кубической структуре чистого элемента. В то же время, для специалиста в данной области будет очевидно, что могут применяться и другие способы расчета атомных радиусов. Для целей дальнейшего описания термины "Менделеевское число", "Mendeleev number" являются равнозначными. Примеры Менделеевских чисел приведены на Фиг.1. Значения Менделеевских чисел могут быть найдены при помощи разработанного алгоритма их нахождения из корреляционных графиков атомный радиус - электроотрицательность. Существует также родственный параметр - chemical scale (химическая шкала), который также может быть найден с использованием упомянутого алгоритма анализа корреляционных графиков атомный радиус-электроотрицательность и имеет схожий физический смысл. Таким образом, для целей дальнейшего описания, термин "Менделеевское число" должен пониматься (если не указано иное) не только как непосредственно Менделеевское число (число с карты Петтифора), но и как значение параметра chemical scale.
Менделеевский поиск - термин, впервые введенный авторами изобретения и упоминавшийся на ряде научных конференций, а также в научно-популярных статьях и интервью (см. Oganov, Artem. "Discovering new materials and new phenomena with evolutionary algorithms." APS Meeting Abstracts. 2016., открытые лекции МТФ-2016, выступление А. Оганова - http://fea.ru/news/6384 и др.). Данное понятие характеризует новую возможность в предсказании кристаллических структур и дизайне материалов - поиск по комбинациям всех элементов таблицы Менделеева (а также, при необходимости в поиск могут включаться и комплексные ионы). В связи с неоднократным упоминанием на конференциях, имеющих высокий статус, термин может считаться известным из уровня техники.
Для целей настоящего описания термин "эволюционный поиск" должен пониматься максимально широко (если не указано иное) и включать в себя не только классические эволюционные алгоритмы, но и все производные эволюционных алгоритмов, такие как оптимизацию роя частиц, искусственную колонию пчел, коэволюционные методы, и т.д. Для специалиста на основании дальнейшего описания будет очевидным тот факт, что такое широкое толкование является обоснованным и вместо классических эволюционных алгоритмов в настоящем изобретении могут применяться и производные эволюционных алгоритмов.
Для целей настоящего описания под термином "химические элементы" или "элементы химического пространства" стоит понимать (если не указано иное) не только непосредственно элементы таблицы Менделеева, но и комплексные ионы (типа СОз2", ОН" и т.д.) и/или просто составляющие химического состава, например, простые оксиды в случае поиска сложных оксидов, силикатов и т.д. Специалисту в данной области, на основании дальнейшего описания будет очевидно, что такое расширение понятия "химический элемент" является допустимым и не влияет на возможность осуществления настоящего изобретение, а также достижение заявленного технического результата.
Рассмотрим примеры осуществления настоящего изобретения.
Все описанные далее этапы заявленного способа выполняются с использованием процессора и включают в себя действия, совершаемые при помощи процессора над цифровыми сигналами.
На Фиг.2 представлена блок-схема заявленного способа. Цифрами обозначены этапы моделирования. На первом этапе 1, перед запуском непосредственно алгоритма моделирования, требуется ввод начальных данных, критериев оптимизации структуры и условий остановки. В качестве начальных данных необходимо указать максимально допустимую сложность химических систем. Например, можно указать бинарные (АпВщ) тернарные (AnBmCi) или более сложные системы. Также, при указании начальных данных, можно искусственно ограничить число химических элементов (например, можно указать лишь поиск по оксидам редкоземельных элементов, или только соединениям щелочных металлов). Это может быть полезно, если мы представляем где может находится искомое нами соединение или занимаемся дизайном материалов для целей производства, которое имеет ограниченный выбор сырья. Критериями оптимизации могут быть свойства вещества, определяемые его структурой. Критериями могут быть, например, электрические, оптические, тепловые или иные свойства. Может быть выбран, например, критерий твердости, параметры пластичности, упругие модули или иные свойства. Возможна оптимизация по критериям стабильности. Могут быть выбраны и сложные системы критериев, например комбинация нескольких перечисленных критериев при специфичных условиях. Другими критериями могут быть температуры и давления фазовых переходов или время жизни до распада на более простые составляющие. Для специалиста на основании дальнейшего описания будет ясно, что список критериев для возможной оптимизации является открытым. В качестве условий остановки в такого типа алгоритмах обычно указывается число итераций, на протяжении которых химическая система остается неизменной. Однако возможны и иные варианты задания условий остановки, например общее число циклов, или достижения каких-либо характеристик из заданных критериев оптимизации.
На втором этапе 2, с использованием введенных начальных данных о максимально допустимой сложности химических систем происходит упорядочение пространства химических составов. Для этого, строится N-мерное химическое пространство, где число N - это максимально-допустимая сложность соединений (N=2 для бинарных системы, N=3 для тернарные систем и т.д.), а по осям выстроены все химические элементы (или их ограниченная начальными условиями часть) в соответствии со значениями их Менделеевских чисел. В другом варианте начальное пространство является 21М-мерным и по осям выстроены все элементы в соответствии с их положением на плоскости Атомный радиус - электроотрицательность. Возможно построение более сложных 3N, 4N и т.д. систем, где к атомным радиусам и электроотрицательностям добавляются дополнительные свойства химических элементов. Наряду с химическими элементами, пространство может быть дополнено и комплексными ионами (СОз2", ОН" и т.д.), что однако должно быть указано на этапе задания начальных условий 1. Каждая точка полученного химического пространства содержит для соответствующего ей набора химических элементов все возможные их составы в рамках максимально допустимой сложности, а также все возможные кристаллические структуры всех составов.
Формирование и упорядочение химического пространства 2 является одним из важнейших этапов настоящего способа. Упорядочение химических элементов в соответствии с их Менделеевскими числами (или парами радиус-электроотрицательность) обеспечивает химическое пространство, в которых химические элементы с похожими свойствами расположены рядом (например соединения щелочных металлов или металлов IV группы будут находится рядом, в то время как соединения алюминия и кремния будут разнесены). Это существенно сказывается на быстроте работы заявленного способа, требуемым вычислительным мощностям, а также позволяют решать более сложные задачи нежели ближайший аналог (метод Minima Hopping, в котором ранжирование идет по порядковым номерам элементов в таблице Менделеева). Удачное построение начального пространства составов позволяет применять всю мощь эволюционных методов, достаточно быстро "отсекая" области с низкой перспективностью и сосредотачивая весь поиск в наиболее перспективных областях. Подтверждающие это рисунки приведены на Фиг. 3 и Фиг. 4, где более перспективные с точки зрения оптимизации свойства отмечены более светлыми тонами. Хорошо видно, что описанные варианты построения химического пространства составов оптимальнее, нежели поиск в пространстве таблицы Менделеева, примененный в ближайшем аналоге, а перспективные области сгруппированы удобным для оптимизации образом.
На следующем этапе проводят набор эволюционных поисков 3 в случайно выбранных точках пространства химических составов. Такие поиски являются на сегодняшний день хорошо отработанными (см. например, методы УСПЕХ, Calypso, метод эволюционной метадинамики и др.). Для специалиста будет очевидно, что поиск в какой-либо точке пространства химических составов является хорошо отработанным и изученным поиском и оптимизацией для определенного набора атомов. Для целей настоящего изобретения, а также с позиции заявленного технического результата не играет принципиальной роли конкретный тип применяемого алгоритма. Результатами этапа 3 является набор соединений, оптимизированных по заданным на этапе 1 критериям для выбранных точек. Стоит отметить, что в случае, если на этапе 1 был задан набор свойств для оптимизации, то осуществляется многокритериальная оптимизация. Одним из возможных вариантов ее осуществления является использование критерия Парето (оптимизация по Парето). Задача многокритериальной оптимизации хорошо описана в литературе по численным методам решения задач, для специалиста будет очевидно, что конкретная выбранная методика осуществления многокритериальной оптимизации не является принципиально важной для целей реализации назначения заявленного изобретения и достижения заявленного технического результата.
После получения результатов поиска производится их анализ 4. Такой анализ включает в себя сравнение результатов и ранжирование их в соответствии с заданными на этапе 1 критериями оптимизации. При ранжировании точкам пространства химических составов присваиваются веса, характеризующие соответствия полученным в них результатам критериям оптимизации. После ранжирования наименее перспективные точки пространства помечаются как бесперспективные, а наиболее перспективным точкам представляется возможность участвовать в образовании нового пространства составов. В предпочтительном варианте в образовании нового пространства участвуют порядка 60% точек, в которых проводились эволюционные поиски.
На следующем этапе производится формирование нового пространства химических составов 5. В процессе такого формирования, точки, помеченные на этапе 4 как бесперспективные исключаются из нового химического пространства, а отобранные на этапе 4 как перспективные точки участвуют в формировании новых точек. При этом, формирование осуществляется одной из трех операций:
Трансмутация: АВ— АС , где С - элемент, лежащий близко к В в химическом пространстве (в пространстве Менделеевских чисел, либо в пространстве радиус-электроотрицательность).
Скрещивание 1: АВ + CD - AC or BD
Скрещивание 2: АВ + CD— >· AF, где F - элемент, лежащий между B YL D или между С и D в химическом пространстве (в пространстве Менделеевских чисел, либо в пространстве радиус-электроотрицательность).
При этом часть нового пространства составов формируется некоторой случайной частью старого пространства составов.
Далее в новом "дочернем" пространстве проводят некоторое количество случайных поисков 6, схожих с поисками на этапе 3.
На этапе 7 проверяют выполнение критерия остановки, заданного на этапе 1. В общем случае, проверяется выполнение неизменности химического пространства в течении определенного числа итераций (4-5-6). Однако, как уже указывалось, возможны и более сложные критерии остановки.
В случае, если критерии остановки не выполнены, происходит возврат на этап 4, однако в качестве результатов поисков идут поиска, произведенные в "дочернем" пространстве - результаты этапа 8. Далее происходит итерационное повторение этапов 4-7 до того момента, пока на этапе 7 не будет выполнен критерий остановки, заданный на этапе 1.
В том случае, если условие остановки, заданное на этапе 1, выполнено в результате проверки на этапе 7, происходит остановка цикла действий 4-7. После остановки осуществляется вывод информации 9. Может выводится как вся информация о конечном состоянии пространства составов, так и "удобная" информация о наиболее перспективных соединениях. Дополнительно может выводится информация, описывающая проведенный поиск - историю изменений пространства составов, число итераций и т.д.
На Фиг. 3 и Фиг. 4 приведены примеры работы заявленного способа в виде рисунков - диаграмм.
Фиг. 3 - бинарная диаграмма МА-МВ ДЛЯ поиска соединения с максимальной твердостью. Ландшафт получен интерполяцией расчетных данных и показывает наиболее перспективные области составов (светлые области - более перспективные, темные - менее). Иллюстрация полностью первопринципного поиска материала с максимальной твердостью. В этом расчете максимальный дозволенный уровень сложности - бинарные соединения, т.е. все соединения AnBm всех элементов таблицы Менделеева. При полном числе элементов ~102, число бинарных систем ~5*103, и в каждой есть ~102 возможных составов - таким образом, речь о ~5* 105 возможных бинарных составах (и для каждого существует практически бесконечное число возможных структур). Очевидно, что выполнять расчеты для каждой системы (и предсказывать оптимальную структуру для каждого соединения) не представляется возможным, однако примененные в заявленном способе методы коэволюции делают поставленную задачу решаемой. В расчете в каждом поколении коэволюции рассматривалось 10 бинарных систем (и в каждой 30 структур/составов рассчитывались в каждом поколении). Для твердости максимум (теоретическое значение 89 ГПа) соответствует углероду в структуре алмаза, также найдены сверхтвердые карбиды, нитриды, бориды - некоторые из которых являются новыми материалами и сейчас детально изучаются. Для такого расчета потребовалась релаксация всего порядка 10000 структур, что говорит об огромной эффективности метода.
Фиг. 4 - псевдобинарная диаграмма для поиска сложных оксидов с минимальной диэлектрической постоянной. Ландшафт получен интерполяцией расчетных данных и показывает наиболее перспективные области составов (низкие величины - темный цвет, высокие - светлый цвет). Иллюстрация одновременной минимизации диэлектрической постоянной и максимизации стабильности сложных оксидов. Рассматриваются сочетания только 12 простых оксидов - в последовательности (соответствующей последовательности менделеевских чисел катионов) 1- К20, 2-ВаО, 3- SrO, 4- СаО, 5 - Na20, 6 - Li20, 7 -Sc203, 8 - MgO, 9 - Ζ1Ό2, 10 - AI2O3, 11 - ОагОз, 12 - S1O2. Видно, что наиболее перспективные low-k материалы (т.е. материалы с низкой диэлектрической постоянной) соответствуют составу S1O2, который именно в этой функции активно применяется в микроэлектронике. На Фиг. 4 видно, что расчет очень эффективно фокусируется на наиболее перспективной области составов, избегая бесперспективные области. Видно также, что химическое пространство действительно обладает удобной для эволюционной оптимизации структурой с «островом оптимальных свойств», в отличии от известных аналогов.
Описанный в рамках настоящего описания алгоритм может быть записан на машиночитаемый носитель для дальнейшего осуществления действий над ним при помощи процессора.
Приведенные выше варианты осуществления заявленного способа никаким образом не ограничивают объем охраны заявленного изобретения и служат лишь подтверждением возможности его реализации. Для специалиста в данной области будут очевидны и другие варианты осуществления настоящего способа в рамках заявленной формулы изобретения.

Claims

Формула
1. Компьютерно реализуемый способ поиска кристаллических структур, включающий действия, выполняемые с помощью процессора, включающие в себя: ввод начальных данных, которые состоят из по меньшей мере одного свойства для оптимизации и по меньшей мере максимального уровня сложности рассматриваемых систем;
построение химического пространства составов размерности N, где N - максимальный уровень сложности рассматриваемых систем, по осям которого выстроены все химические элементы и/или комплексные ионы в соответствии с значениями их Менделеевских чисел, при этом каждая точка химического пространства составов содержит для соответствующего ей набора химических элементов все возможные их составы, а также все возможные кристаллические структуры всех составов;
проведение в случайных точках химического пространства составов эволюционных поисков;
проведение цикла действий, которые включают:
ранжирование результатов поисков по степени соответствия заданному для оптимизации свойству;
получение на основе наиболее соответствующих свойству оптимизации систем нового химического пространства составов, в которое включается также несколько случайных точек из начального химического пространства составов;
в случае, если химическое пространство составов не изменяется на протяжении большого числа итераций, завершение цикла, а если нет, то проведение в новом химическом пространстве составов эволюционных поисков и повторение цикла;
2. Компьютерно реализуемый способ поиска кристаллических структур, включающий действия, выполняемые с помощью процессора, включающие в себя: ввод начальных данных, которые состоят из по меньшей мере одного свойства для оптимизации и по меньшей мере максимального уровня сложности рассматриваемых систем;
построение химического пространства составов размерности 2N, где N - максимальный уровень сложности рассматриваемых систем, по осям которого выстроены все химические элементы и/или комплексные ионы в соответствии с их положением в пространстве атомный радиус-электроотрицательность, при этом каждая точка химического пространства составов содержит для соответствующего ей набора химических элементов все возможные их составы, а также все возможные кристаллические структуры всех составов;
проведение в случайных точках химического пространства составов эволюционных поисков;
проведение цикла действий, которые включают:
ранжирование результатов поисков по степени соответствия заданному для оптимизации свойству;
получение на основе наиболее соответствующих свойству оптимизации систем нового химического пространства составов, в которое включается также несколько случайных точек из начального химического пространства составов;
в случае, если химическое пространство составов не изменяется на протяжении большого числа итераций, завершение цикла, а если нет, то проведение в новом химическом пространстве составов эволюционных поисков и повторение цикла;
3. Способ по п. 1-2, отличающийся тем, что свойствами для оптимизации могут являться физические свойства, в частности электрические, оптические, тепловые свойства, твердость, параметры пластичности, упругие модули или термодинамическая стабильность, или их комбинации, при этом в случае выбора нескольких свойств, оптимизация проводится, например, по критерию Парето.
4. Способ по п. 1-2, отличающийся тем, что ввод начальных данных может также включать перечень химических элементов и/или комплексных ионов, из которых будет сформировано химическое пространство составов;
5. Способ по п. 1-2, отличающийся тем, что новое химическое пространство получается на основе наиболее соответствующих свойству оптимизации систем в результате одной из следующих операций:
трансмутация: АВ— » АС , где С - элемент, лежащий близко к В в пространстве Менделеевских чисел, либо в пространстве атомный радиус-электроотрицательность;
первое скрещивание: АВ + CD— AC or BD
второе скрещивание: АВ + CD — AF, где F - элемент, лежащий между В и D или между С и D в пространстве Менделеевских чисел, либо в пространстве атомный радиус-электроотрицательность ;
6. Способ по п. 1-2, отличающийся тем, что начальные данные могут дополнительно включать в себя: - тип расчета;
- число одновременно рассматриваемых систем;
- размер популяции в каждом составном расчете для каждой системы и соотношения вариационных операторов;
- продолжительность расчета для каждой системы, после которой отбираются наиболее успешные системы для создания нового химического пространства составов;
- параметры структурной релаксации и расчетов энергий и свойств структур;
PCT/RU2016/000421 2016-07-07 2016-07-07 Компьютерно реализуемый способ поиска кристаллических структур WO2018009090A1 (ru)

Priority Applications (4)

Application Number Priority Date Filing Date Title
RU2019103444A RU2019103444A (ru) 2016-07-07 2016-07-07 Компьютерно-реализуемый способ поиска кристаллических структур
PCT/RU2016/000421 WO2018009090A1 (ru) 2016-07-07 2016-07-07 Компьютерно реализуемый способ поиска кристаллических структур
US16/325,123 US20190220484A1 (en) 2016-07-07 2016-07-07 Computer-implemented crystal structure search method
EP16908264.1A EP3483757A1 (en) 2016-07-07 2016-07-07 Computer-implemented crystal structure search method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/RU2016/000421 WO2018009090A1 (ru) 2016-07-07 2016-07-07 Компьютерно реализуемый способ поиска кристаллических структур

Publications (1)

Publication Number Publication Date
WO2018009090A1 true WO2018009090A1 (ru) 2018-01-11

Family

ID=60912245

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/RU2016/000421 WO2018009090A1 (ru) 2016-07-07 2016-07-07 Компьютерно реализуемый способ поиска кристаллических структур

Country Status (4)

Country Link
US (1) US20190220484A1 (ru)
EP (1) EP3483757A1 (ru)
RU (1) RU2019103444A (ru)
WO (1) WO2018009090A1 (ru)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019134316A1 (zh) * 2018-05-04 2019-07-11 深圳晶泰科技有限公司 用于有机分子晶体结构预测中高精度能量排位方法
KR102098572B1 (ko) * 2018-12-26 2020-04-08 한국세라믹기술원 에피택시 성장을 위한 기판 소재의 탐색 장치 및 방법 그리고 이를 구현하기 위한 프로그램을 기록한 기록매체
WO2022214488A1 (en) 2021-04-07 2022-10-13 Voestalpine Stahl Gmbh High strength cold rolled steel sheet for automotive use having excellent global formability and bending property

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7314963B2 (ja) * 2021-03-08 2023-07-26 株式会社豊田中央研究所 結晶構造探索装置及び結晶構造探索方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6219622B1 (en) * 1995-03-24 2001-04-17 University Of Guelph Computational method for designing chemical structures having common functional characteristics
US20030078740A1 (en) * 2001-08-06 2003-04-24 Laurent Kieken Method and system for the development of materials
WO2007071095A1 (en) * 2005-12-22 2007-06-28 Eidgenössische Technische Hochschule Zürich Method for crystal structure determination
JP2007313387A (ja) * 2006-05-23 2007-12-06 Toyota Motor Corp 金属酸化物の触媒金属シンタリングの予測方法、そのプログラム及びその記録媒体
WO2009034297A2 (en) * 2007-09-14 2009-03-19 Conformetrix Limited Method for determining three-dimensional structures of dynamic molecules
US20120330632A1 (en) * 2011-06-27 2012-12-27 The Research Foundation Of State University Of New York Method for predicting optimized crystal structures
RU2543315C2 (ru) * 2013-03-22 2015-02-27 Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Национальный исследовательский университет "Высшая школа экономики" Способ отбора эффективных вариантов в поисковых и рекомендательных системах (варианты)

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6219622B1 (en) * 1995-03-24 2001-04-17 University Of Guelph Computational method for designing chemical structures having common functional characteristics
US20030078740A1 (en) * 2001-08-06 2003-04-24 Laurent Kieken Method and system for the development of materials
WO2007071095A1 (en) * 2005-12-22 2007-06-28 Eidgenössische Technische Hochschule Zürich Method for crystal structure determination
JP2007313387A (ja) * 2006-05-23 2007-12-06 Toyota Motor Corp 金属酸化物の触媒金属シンタリングの予測方法、そのプログラム及びその記録媒体
WO2009034297A2 (en) * 2007-09-14 2009-03-19 Conformetrix Limited Method for determining three-dimensional structures of dynamic molecules
US20120330632A1 (en) * 2011-06-27 2012-12-27 The Research Foundation Of State University Of New York Method for predicting optimized crystal structures
RU2543315C2 (ru) * 2013-03-22 2015-02-27 Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Национальный исследовательский университет "Высшая школа экономики" Способ отбора эффективных вариантов в поисковых и рекомендательных системах (варианты)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019134316A1 (zh) * 2018-05-04 2019-07-11 深圳晶泰科技有限公司 用于有机分子晶体结构预测中高精度能量排位方法
KR102098572B1 (ko) * 2018-12-26 2020-04-08 한국세라믹기술원 에피택시 성장을 위한 기판 소재의 탐색 장치 및 방법 그리고 이를 구현하기 위한 프로그램을 기록한 기록매체
WO2022214488A1 (en) 2021-04-07 2022-10-13 Voestalpine Stahl Gmbh High strength cold rolled steel sheet for automotive use having excellent global formability and bending property

Also Published As

Publication number Publication date
EP3483757A1 (en) 2019-05-15
RU2019103444A (ru) 2020-08-07
US20190220484A1 (en) 2019-07-18

Similar Documents

Publication Publication Date Title
Ren et al. An invertible crystallographic representation for general inverse design of inorganic crystals with targeted properties
Dan et al. Generative adversarial networks (GAN) based efficient sampling of chemical composition space for inverse design of inorganic materials
Ho et al. Simple explanation of the no-free-lunch theorem and its implications
Heredia-Langner et al. Genetic algorithms for the construction of D-optimal designs
WO2018009090A1 (ru) Компьютерно реализуемый способ поиска кристаллических структур
US7292958B2 (en) Systems and methods for predicting materials properties
Solfanelli et al. Quantum heat engine with long-range advantages
Lookman et al. A perspective on materials informatics: state-of-the-art and challenges
González‐Camus et al. Fundamental solutions for discrete dynamical systems involving the fractional Laplacian
Abid et al. Heuristic approaches to solve traveling salesman problem
JP2020042576A (ja) 化合物探索装置、化合物探索方法、及び化合物探索プログラム
Ayari et al. A hybrid genetic algorithm for Golomb ruler problem
Oh et al. Multiobjective optimization of sensor network deployment by a genetic algorithm
Okabe et al. Virtual Node Graph Neural Network for Full Phonon Prediction
JP2019087107A (ja) シミュレーション方法、プログラム、及び装置
CN111046058B (zh) 基于晶体结构离散化表达的遍历搜索方法
Hornfeck On the combinatorics of crystal structures: number of Wyckoff sequences of given length
Cherukara et al. Deep learning the properties of inorganic perovskites
Ndiritu Reservoir system optimisation using a penalty approach and a multi-population genetic algorithm
Kempner Multi-Fidelity Bayesian Optimization for Efficient Materials Design
Dabaghian et al. Explicit analytical solution for scaling quantum graphs
Gong Improving supervised machine learning for materials science
Plambeck et al. Metrics for the evaluation of approximate sequential streaming circuits
JP2020067931A (ja) 化合物探索装置、化合物探索方法、及び化合物探索プログラム
Zhang et al. Towards robustness optimization of complex networks based on redundancy backup

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16908264

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2016908264

Country of ref document: EP

Effective date: 20190207