纯计算NanoLett。发现拓扑材料的机器学习化学规则

　　2023年1月20日，Nano Lett.在线发表了麻省理工学院Marin Soljačić课题组的研究论文，题目为《Topogivity: A Machine-Learned Chemical Rule for Discovering Topological Materials》。
　　拓扑材料呈现非常规的电子性质，这使得它们对基础科学和下一代技术应用都具有吸引力。目前已知大多数的拓扑材料都是使用基于对称性分析的量子波函数方法发现的。在此研究中，作者使用机器学习来开发一个简单易用的启发式化学规则，该规则仅使用化学公式就可以高精度地诊断材料是否是拓扑结构 。这个启发式规则基于一个概念，称之为Topogivity，即每个元素的机器学习数值，它松散地捕捉了其形成拓扑材料的趋势。基于启发式拓扑规则预测和从头算验证，实现了发现拓扑材料的高通量过程 。通过这种方式，发现了新的拓扑材料，这些材料不能使用对称性指标进行诊断，包括一些可能有希望用于实验观察的材料。图1 基于拓扑的诊断和拓扑材料的发现
　　图2 拓扑周期表
　　图3 新发现拓扑材料的选择
　　【 论文链接 】  Ma, A., Zhang, Y., Christensen, T. et al. Topogivity: A Machine-Learned Chemical Rule for Discovering Topological Materials. Nano Lett., 2023. https://doi.org/10.1021/acs.nanolett.2c03307 【其他相关文献】  [1]  Bradlyn, B., Elcoro, L., Cano, J. et al. Topological quantum chemistry. Nature, 2017, 547, 298–305. https://doi.org/10.1038/nature23268 [2]  Vergniory, M.G., Elcoro, L., Felser, C. et al. A complete catalogue of high-quality topological materials. Nature, 2019, 566, 480–485. https://doi.org/10.1038/s41586-019-0954-4 [3] Zhang, T., Jiang, Y., Song, Z. et al. Catalogue of topological electronic materials. Nature, 2019, 566, 475–479. https://doi.org/10.1038/s41586-019-0944-6 [4] Tang, F., Po, H.C., Vishwanath, A. et al. Comprehensive search for topological materials using symmetry indicators. Nature, 2019, 566, 486–489. https://doi.org/10.1038/s41586-019-0937-5 [5]  Xu, Y., Elcoro, L., Song, ZD. et al. High-throughput calculations of magnetic topological materials. Nature, 2020, 586, 702–707. https://doi.org/10.1038/s41586-020-2837-0 [6]  Xiao, J., Yan, B. First-principles calculations for topological quantum materials.  Nat. Rev. Phys.,  2021, 3, 283–297. https://doi.org/10.1038/s42254-021-00292-8