硼键突破背后的机器学习

中国科学家将一种称为随机表面行走(SSW)的势能采样方法与机器学习结合起来，探索β-B的势能面。¹β-B被认为是固体硼中最稳定的相，但直到现在，它的原子结构仍不清楚。

“考虑到像蛋白质这样复杂的结构已经可以用现代技术解决，迄今为止，如此重要的单元素晶体的结构还没有被精确确定，这是非常令人惊讶的。”评论道Zhipan刘他领导了这项工作。自掺杂原子存在于晶体间隙位置，形成了一个巨大的构型空间，这使得用现有方法确定硼的真实构型几乎不可能。

现在，Liu和同事们已经取得了进展，他们使用一组新的结构描述符构建了一个神经网络电位，可以敏感地区分硼的复杂成键环境。利用这种方法，他们建立了β-B所有低能构型的能谱，使得在有限温度下可以详细地解析原子结构。Liu的团队发现，与长期以来β-B的巨大能量简并相反，只有20种构型对观察到的硼结构有重要意义。刘说:“这使得未来对这些构象转变之间的反应途径进行详尽的研究成为可能。”发现β-B及其性质受到B19掺杂位点的强烈影响，B19掺杂位点具有极大的振动熵，在高温下，B19占据的构型被证明是主导的。

“我把这部作品视为杰作在一个复杂的固体系统的结构预测，'评论马克Tuckerman他是美国纽约大学的理论化学家。“通过设计新的结构描述符来解释材料的复杂性，研究人员增强了神经网络模型的预测能力，这是他们研究中使用的机器学习模型之一。”

长期以来，科学家们一直未能理解与β-B相关的许多有趣现象，例如它的光学吸收在150-180K左右发生了巨大变化。²刘解释说:“了解结构并确定它们在不同温度下的转变将是了解其光电特性的关键一步。”他说，这些结果将有助于澄清为什么β-B比α-B更稳定，以及为什么它是一种非常坚硬的材料，但在高温下具有良好的导电性。

Liu的团队认为，带有SSW的机器学习可以用于研究许多不同的系统，并最近将其应用于催化中的一个复杂问题。^3.塔克曼补充说:“虽然目前还不清楚新的结构描述符如何适用于其他系统，例如分子晶体，但在这种能力下探索它们，或者可能是它们的修改版本，将是很有趣的。”