PNcsp+: 一种基于周期数的机器学习增强晶体结构预测方法

《Journal of Chemical Theory and Computation》：PNcsp+: A Periodic Number-Based Crystal Structure Prediction Method Enhanced by Machine Learning

　　

晶体结构预测（CSP）是材料发现的核心，但其效率和可解释性仍然受到巨大构型空间和对昂贵局部优化依赖的限制。尽管基于模板和机器学习（ML）的方法改进了探索，但许多方法仍然需要大型数据集、复杂的相似性度量或不透明的生成流程。在这项工作中，研究人员介绍了PNcsp+，一个增强且化学可解释的CSP框架，它使用门捷列夫周期数（PN）作为元素相似性的透明描述符。PNcsp+通过更大的原型库、改进的数据管理策略以及结合尖端神经网络模型（如MACE、M3GNet和ALIGNN-FF）的ML辅助原型评分，扩展了原始实现。尽管其简单，PNcsp+达到了最先进的性能。在CSPBench数据集（一个用于评估CSP方法的180个基准晶体结构的精选集）上的评估中，该研究的方法超过了替代方法，在Top-5预测中实现了86.1%的空间群精度和85.0%的结构匹配精度，且无需结构弛豫。此外，在多个杂化系统（包括铵和甲基铵阳离子）的案例研究中，研究人员证明了分子组分在预测的晶格中自主出现，仅由PN衍生的相似性关系引导。总体而言，PNcsp+表明，基本的周期趋势与有针对性的基于ML的评估相结合，提供了一个高效、可扩展且可解释的CSP框架，能够加速无机和杂化化学空间中的发现。

晶体结构预测（CSP: Crystal Structure Prediction）是材料科学的核心领域，旨在预测未知晶体结构，但面临巨大构型空间和依赖密度泛函理论（DFT）局部优化计算成本高的挑战。尽管基于模板的方法和机器学习（ML: Machine Learning）方法已取得进展，但许多方法仍需要大规模数据集、复杂的相似性度量或不透明的生成流程，限制了可解释性和效率。为此，研究人员在《Journal of Chemical Theory and Computation》上发表了PNcsp⁺方法，这是一种基于门捷列夫周期数（PN: Mendeleev Periodic Number）的机器学习增强晶体结构预测框架。该方法利用PN作为元素相似性的透明描述符，结合预训练的图神经网络（GNN: Graph Neural Network）模型进行原型评估，旨在实现高效、可解释且高精度的CSP。在CSPBench数据集（包含180个基准结构）上的评估表明，PNcsp⁺在Top-5预测中达到86.1%的空间群精度和85.0%的结构匹配精度，均无需结构弛豫，性能超越TCSP 2.0、CSPML和EquiCSP等现有方法。此外，在含铵和甲基铵阳离子的杂化有机-无机体系案例中，PNcsp⁺成功预测了多种稳定多晶型，且分子阳离子自动出现在晶格中，证明其通用性。

PNcsp⁺的核心技术方法包括：基于PN的化学相似性度量，通过邻域阶数搜索从多个数据库（包括Open Quantum Materials Database (OQMD)、Materials Project (MP)和Materials Platform for Data Science (MPDS)）中提取结构原型；采用预训练的GNN模型（MACE、M3GNet、ALIGNN-FF）进行单点能量预测，并通过集合平均（MACE和M3GNet）提高评分稳定性；可选的结构弛豫和冗余原型消除步骤。数据源方面主要使用OQMD作为原型参考空间，辅助使用MP和MPDS。该方法无需特征工程或化学规则，仅需设置邻域阶数、GNN模型选择和是否开启弛豫。样本来源包括CSPBench数据集（180个无机结构）和选定的杂化化合物。

**性能评估**：通过CSPBench数据集评估PNcsp⁺的性能，采用空间群匹配和结构匹配（StructureMatcher）两个标准。在Top-5预测中，使用MACE和M3GNet集合模型达到86.1%空间群精度、85.0%结构匹配精度及82.2%两者同时匹配的准确率，表明PNcsp⁺在无结构弛豫下即能产生高质量候选结构。

**GNN模型性能**：比较了MACE、M3GNet、ALIGNN-FF及其集合。MACE在Top-3和Top-5中表现最优，M3GNet次之，ALIGNN-FF最差。集合模型（MACE+M3GNet）在Top-5中取得最佳综合性能。M3GNet计算速度最快，MACE约为其三倍时间。随邻域阶数从2增加到6，搜索时间从1.5小时增至15小时，4阶邻域在精度和效率间达到最佳平衡。

**与其他CSP算法比较**：与TCSP 2.0、CSPML、EquiCSP在CSPBench上比较。PNcsp⁺在Top-5中所有指标均领先，结构匹配比TCSP 2.0高约7个百分点。对于五个失败系统（Co₄NiSb₁₂、Fe₂Cu₆SnS₈、MgV₄SnO₁₂、YbH₃CN₃、Tb₄Al），分析原因为成分不一致或数据覆盖不足。多个接近相似阈值的结构经结构弛豫后匹配成功，且PNcsp⁺能识别多晶型系统中的其他近能态结构。

**无机体系外案例研究**：应用于CH₃NH₃PbI₃、NH₄PbI₃、NH₄KSO₄、Na₃SClO₄等杂化体系。所有预测结构经DFT弛豫后热力学稳定（形成焓均为负值）。在CH₃NH₃PbI₃和NH₄PbI₃中，甲基铵和铵阳离子自动占据钙钛矿框架空位；在CH₃NH₃X (X=Cl, Br, I)中，除了再现已知Pbcm和P2₁相，还预测了R3m相为低焓多晶型。NH₄KSO₄中预测了P2₁/c低焓相，Na₃SClO₄中预测了P4/nmm低焓相，均优于或补充了文献结构。

讨论部分：PNcsp⁺在绝大多数测试系统上成功，少数失败可归因于成分数据库不一致或相关结构在OQMD中缺乏。对于接近结构相似性阈值的案例，局部弛豫后能精确匹配目标结构。在多晶型系统中，即使未匹配到指定目标，PNcsp⁺也能预测其他近能态多晶型，表明其能有效探索能量相近的合理结构变体。杂化系统案例进一步证明了PNcsp⁺超越纯无机化学的适应性，仅通过PN相似性关系即能捕捉分子阳离子的位置，无需手动定义分子模板。

研究结论翻译：PNcsp⁺通过利用门捷列夫周期数（PN）量化元素相似性，提供了一种化学可解释且计算高效的晶体结构预测（CSP）路径。其跨多个数据库的分层筛选，结合集成多种图神经网络（GNN）模型的原型评估流程，能够以最小的计算开销系统地识别结构一致且热力学稳定的候选结构。全面的基准测试表明，PNcsp⁺在识别具有不同复杂度的无机系统原型方面优于现有方法，在Top-5预测中实现了86.1%的空间群精度和85.0%的结构匹配精度，且无需结构弛豫。此外，成功应用于杂化有机-无机化合物，突出了该框架超越纯无机化学的通用性。在包含铵和甲基铵化合物的杂化系统应用中，研究人员证明分子阳离子仅由PN衍生的邻域关系引导，无需依赖手动定义的分子模板，即在预测的晶格框架中自然出现，同时准确再现了潜在的晶体结构。通过捕捉基本的结构-化学关系，PNcsp⁺揭示了基本周期趋势可用于在保持高预测精度的同时加速材料发现。