又到梔子花開的季節(jié)，又是一年畢業(yè)季！研究生們給自己的科研生涯留下怎樣的濃墨重彩呢？讓我們拭目以待吧！

1.JACS：鑭系/錒系超氫化物中室溫以上超導電性的預(yù)測

實現(xiàn)室溫超導，一直是一個持久的科學追求的廣泛的基本利益和誘人的潛在應(yīng)用。最近發(fā)現(xiàn)的超導臨界溫度(Tc)為250-260 K的高壓包合物超氫化物LaH10，使其接近實現(xiàn)這一長期尋求的目標。在此，來自美國內(nèi)華達大學的Changfeng Chen & 吉林大學的Hanyu Liu和馬琰銘等研究者，基于一種先進的晶體結(jié)構(gòu)搜索方法，報告了一類新的富氫包合物超氫化物MH18?(M：稀土/錒系原子)化學計量化合物的一個顯著發(fā)現(xiàn)，該化合物穩(wěn)定在350 GPa的實驗壓力下。據(jù)預(yù)測，這些化合物的寄主Tc溫度高達330k，遠高于室溫。這些MH18籠狀超氫化物的鍵合和電子性質(zhì)與金屬原子氫非常相似，從而產(chǎn)生了迄今為止在熱力學穩(wěn)定的氫化物化合物中發(fā)現(xiàn)的最高Tc。對這些極端超氫化物的深入研究，為闡明富氫和其他低-Z材料，在室溫以上的聲子介導的超導性提供了見解。

參考文獻：

Xin Zhong, Ying Sun, Toshiaki Iitaka, Meiling Xu, Hanyu Liu, Russell J. Hemley, Changfeng Chen, and Yanming Ma. Prediction of Above-Room-Temperature Superconductivity in Lanthanide/Actinide Extreme Superhydrides.?Journal of the American Chemical Society?Article ASAP DOI: 10.1021/jacs.2c05834

原文鏈接：

https://pubs.acs.org/doi/10.1021/jacs.2c05834

2.Matter：利用遷移學習設(shè)計防撞晶格

與許多專業(yè)應(yīng)用一樣，設(shè)計防撞結(jié)構(gòu)的速度，受到限于對專業(yè)測試的依賴。在此，來自美國波士頓大學的Elise F. Morgan & Keith A. Brown等研究者，開發(fā)了一種遷移學習方法，以確定如何更廣泛地使用準靜態(tài)測試來預(yù)測沖擊保護。研究者首先在沖擊和準靜態(tài)領(lǐng)域廣泛測試了一個參數(shù)晶格族，并訓練了一個模型，該模型僅使用準靜態(tài)測量數(shù)據(jù)預(yù)測沖擊性能到8%以內(nèi)。接下來，研究者使用一個不同的格族來測試該模型的可轉(zhuǎn)移性，發(fā)現(xiàn)即使是行為外推到訓練集之外的結(jié)構(gòu)，性能排名也可以很好地預(yù)測。最后，研究者結(jié)合812次準靜態(tài)試驗和141次沖擊試驗訓練了一個模型，該模型預(yù)測了新型晶格的絕對沖擊性能，誤差為18%。這些結(jié)果為加速專業(yè)應(yīng)用的設(shè)計指明了一條道路，并且可以通過數(shù)據(jù)驅(qū)動的方式獲得可轉(zhuǎn)移的力學洞察力。

參考文獻：

Gongora et al., Designing lattices for impact protection using transfer learning,?Matter?(2022), https://doi.org/ 10.1016/j.matt.2022.06.051.

原文鏈接：

https://www.sciencedirect.com/science/article/pii/S2590238522003460#!

3.npj Computational Materials：光學光譜中角度相關(guān)性質(zhì)的有效和可解釋的圖網(wǎng)絡(luò)表示

圖神經(jīng)網(wǎng)絡(luò)，由于其對原子和鍵的直觀圖形編碼，在學習原子結(jié)構(gòu)性質(zhì)方面具有吸引力。然而，傳統(tǒng)的編碼不包含角信息，而角信息，對于描述無序系統(tǒng)中的原子排列是至關(guān)重要的。在此，來自美國勞倫斯利弗爾國家實驗室的Tim Hsu & Tuan Anh Pham

& Brandon C. Wood等研究者擴展了最近提出的ALIGNN(原子線圖神經(jīng)網(wǎng)絡(luò))編碼，它包含鍵角，也包括二面角(ALIGNN-d)。這個簡單的擴展，導致了一個內(nèi)存高效的圖表示，它捕獲了原子結(jié)構(gòu)的完整幾何形狀。利用ALIGNN-d預(yù)測動態(tài)無序Cu(II)水配合物的紅外光學響應(yīng)，利用內(nèi)在的可解釋性來闡明單個結(jié)構(gòu)組分的相對貢獻。研究發(fā)現(xiàn)，鍵角和二面角是吸收響應(yīng)的精細結(jié)構(gòu)的關(guān)鍵因素，與扭曲，代表過渡之間更常見的幾何表現(xiàn)出最強的吸收強度。此外，研究者討論了ALIGNN-d的進一步發(fā)展方向。

參考文獻：

Hsu, T., Pham, T.A., Keilbart, N. et al. Efficient and interpretable graph network representation for angle-dependent properties applied to optical spectroscopy.?npj Comput Mater?8,?151 (2022). https://doi.org/10.1038/s41524-022-00841-4

原文鏈接：

https://www.nature.com/articles/s41524-022-00841-4

4.npj Computational Materials：反鈣鈦礦中的超導

在此，來自德國馬丁?路德?哈雷大學的Miguel A. L. Marques等研究者，對XYZ3立方反鈣鈦礦材料的常規(guī)超導進行了全面的理論研究，其中X和Z是金屬，Y是H、B、C、N、O和p。研究者的出發(fā)點是用密度泛函微動理論對397種材料進行電子-聲子計算。43%的材料是動態(tài)不穩(wěn)定的，研究者發(fā)現(xiàn)16種化合物接近熱力學穩(wěn)定，Tc高于5 K。利用這些結(jié)果訓練可解釋的機器學習模型，研究者預(yù)測了另外57種(熱力學不穩(wěn)定)超導轉(zhuǎn)變溫度高于5 K的材料，PtHBe3的最高溫度達到17.8 K。此外，該模型還有助于理解反鈣鈦礦的超導機理。傳統(tǒng)方法與可解釋機器學習的結(jié)合，被證明是一種非常有效的方法來研究和系統(tǒng)化整個類別的材料，并很容易擴展到其他化合物或物理性質(zhì)的家庭。

參考文獻：

Hoffmann, N., Cerqueira, T.F.T., Schmidt, J. et al. Superconductivity in antiperovskites.?npj Comput Mater?8,?150 (2022). https://doi.org/10.1038/s41524-022-00817-4

原文鏈接：

https://www.nature.com/articles/s41524-022-00817-4

5.npj Computational Materials：利用標簽誤差魯棒深度學習對手性納米材料的手性進行分類

高通量掃描電子顯微鏡(SEM)結(jié)合神經(jīng)網(wǎng)絡(luò)分類，是確定大量手性納米粒子構(gòu)型的理想方法。自動標記，消除了人工對訓練數(shù)據(jù)進行標記的耗時現(xiàn)象，但在訓練后的神經(jīng)網(wǎng)絡(luò)中引入了標簽錯誤，進而導致分類錯誤。在此，來自美國加州大學伯克利分校的M. C. Scott等研究者當從手性碲納米顆粒的掃描電鏡數(shù)據(jù)集的自動標簽訓練時，評估了最小化分類錯誤的方法。利用相反手性粒子圖像之間的鏡像關(guān)系，研究者人為地創(chuàng)建了不同標簽誤差的種群。研究者分別在理想數(shù)據(jù)集和實際數(shù)據(jù)集上分析了標簽錯誤率和訓練方法，對神經(jīng)網(wǎng)絡(luò)分類誤差的影響。在考慮的三種訓練方法中，研究者發(fā)現(xiàn)預(yù)訓練方法在理想數(shù)據(jù)集上產(chǎn)生最準確的跨標簽錯誤率結(jié)果，其中大小和其他形態(tài)變量保持不變，但聯(lián)合教學方法在實際應(yīng)用中表現(xiàn)最好。

參考文獻：

Groschner, C.K., Pattison, A.J., Ben-Moshe, A. et al. Classifying handedness in chiral nanomaterials using label error robust deep learning.?npj Comput Mater?8,?149 (2022). https://doi.org/10.1038/s41524-022-00822-7

原文鏈接：

https://www.nature.com/articles/s41524-022-00822-7