从光谱学习解折能带结构

《Digital Discovery》：Learning unfolded band structures from spectraOpen Access

　　

理解复杂材料的动量分辨电子性质对于先进材料设计至关重要，但受到计算瓶颈的严重制约。特别是，解折能带结构提供了超胞电子态的动量分辨描述，对于分析晶体材料中的缺陷、结构畸变和对称破缺相不可或缺。然而，其传统评估需要在第一性原理计算之外额外进行基于波函数的解折，对于大超胞而言成本高昂。在此，研究人员提出DOS2BandNet，一种基于潜变量扩散的框架，可直接从两个一维光谱输入预测解折能带结构：态密度（density of states，DOS）和方向投影衍射谱（direction-projected diffraction spectrum）。DOS编码了能量分辨的电子流形，而衍射谱提供了与目标倒空间路径相关的方向结构信息。该模型在材料项目（Materials Project）的体相材料数据集上预训练，然后迁移至正交相HfO₂（o-HfO₂）中的肖特基缺陷和单层1T-TaTe₂中的电荷密度波（charge density wave，CDW）序。模型对体相系统以良好保真度再现了解折能带图，对o-HfO₂合理捕获了宿主衍生和缺陷诱导态，并在1T-TaTe₂中实现了跨多个CDW周期的成功零样本迁移。这些结果表明，紧凑的光谱描述符可用于推断具有物理意义的动量分辨电子结构。重要的是，这一数据驱动框架为一种新范式铺平了道路，即无需显式波函数计算，即可直接利用实验可获取的光谱和衍射信息构建能带结构。

电子能带结构是晶体材料最基本的描述符之一，它决定了电荷输运、光学响应、磁性等众多可观测量。然而，在真实材料问题中，缺陷、局域晶格畸变、重构表面与界面、电荷密度波（CDW）序以及莫尔超晶格等情形要求使用扩大后的超胞而非原胞来描述电子结构。此时，物理上有意义的量往往是解折能带结构（又称有效能带结构，EBS），它将超胞本征态投影到原胞布里渊区并给出谱权重，从而在宿主晶体的动量空间框架内解释超胞电子态。解折能带也与角分辨光电子能谱（ARPES）紧密相关，其谱权重类似于实验观测到的能带亮度，可用于区分相干宿主态与由无序或对称破缺导致的展宽、减弱或碎片化特征。然而，显式计算复杂超胞的解折能带结构计算量巨大，限制了其在高通量材料发现和实验实时解读中的应用。近年来，机器学习在加速能带预测方面取得进展，但尚无工作尝试从两个互补的光谱输入直接预测解折能带。为此，研究人员提出DOS2BandNet，一种基于潜变量扩散的框架，以态密度（DOS）和方向投影衍射谱作为输入，直接预测沿目标k路径的解折能带结构。该输入组合具有直接的实验对应物，例如电子能量损失近边结构（ELNES）或X射线光电子能谱（XPS）对应DOS，电子衍射对应结构周期性，从而弥合了第一性原理计算与实验观测之间的距离。模型在Materials Project体相材料数据集上预训练，再迁移到两个具有代表性的对称破缺体系：正交相HfO₂中的肖特基缺陷和单层1T-TaTe₂中的CDW相。研究结果表明，紧凑的光谱描述符能够推断出物理上有意义的动量分辨电子结构，这一数据驱动框架为无需显式波函数计算而利用实验可获取的光谱与衍射信息构建能带结构开辟了新路径。该成果发表于《Digital Discovery》。

在关键技术方法方面，研究人员构建了包含变分自编码器（VAE）与潜空间扩散模型的网络架构。具体地，解折能带结构先转换为高斯展宽的（k，E）能带图，经VAE编码至潜变量空间，再通过去噪U-Net学习反向扩散过程；同时，DOS和方向投影衍射谱经位置感知一维卷积编码器提取，并通过特征线性调制（FiLM）注入U-Net作为条件控制。预训练数据来自Materials Project（版本v2025.09.25），筛选原胞原子数小于11的体相材料，共10 404个结构，40 670个k路径样本；第一性原理计算采用VASP 6.5.0，PAW方法，PBE泛函，平面波截断能500 eV。下游任务中，HfO₂肖特基缺陷数据集基于2×2×2超胞（含64个O位）构建2016种V_Hf+2V_O构型；TaTe₂微调数据来自3×3超胞在500 K下5 ps的从头算分子动力学（AIMD）模拟，每0.1 ps采样一帧共50个构型，而CDW有序结构仅用于零样本评估。

### 3.1 预训练性能

在体相材料数据集上，40 670个样本按8∶1∶1在样本级别随机划分。与一近邻（1-NN）基线相比，DOS2BandNet的平均绝对误差（MAE）更低（均值0.0841对0.1052，中位数0.0796对0.1102）。按误差分布的25%、中位数和75%选取代表性案例，发现带结构较简单时预测与真实几乎一致，而带流形复杂（如金属或半金属）时误差增大。金属体系平均MAE为0.0961，绝缘体为0.0609，原因是金属中多条色散带在狭窄能量区间重叠，DOS无法保留动量分辨信息。

### 3.2 微调肖特基缺陷

在2×2×2 o-HfO₂超胞肖特基缺陷数据集上，采用结构级8∶1∶1划分。25%和75%分位案例中，模型同时再现了宿主导带、价带和带隙内的缺陷诱导态；95%分位案例中，缺陷带的路径依赖细节存在偏差，但整体缺陷态仍被捕获。将预训练模型直接应用于该任务而不微调时，平均MAE为0.1350；而微调后，当训练数据比例从80%降至20%时，从头训练模型测试损失增加约54.7%，微调模型仅增加约1%，表明预训练提供了可迁移的表示并显著提升了低数据下的鲁棒性。

### 3.3 微调与CDW零样本迁移

针对单层1T-TaTe₂，研究人员在AIMD模拟产生的热畸变结构上微调模型，然后以零样本方式评估3×3、√13×√13和√19×√19三种CDW相。模型成功区分了不同周期性的相：在3×3相中重现了两条近平行带在约?2至0 eV区间合并的特征，在√13×√13和√19×√19相中保持了两条平行带未合并；对于√19×√19相中较弱的Te p_x衍生带，预测不如真实显著但仍比其它相更强。微调模型对CDW结构的零样本MAE约为0.0663，而用相同微调数据从头训练的模型误差达0.221，说明预训练对低数据下从畸变结构迁移至长程CDW重构至关重要。

### 3.4 模型范围与应用

通过消融实验对比DOS+衍射与仅DOS输入，去除衍射后预训练MAE从0.0841升至0.0930，肖特基缺陷任务从0.0240升至0.0454，CDW任务从0.0663升至0.0879，说明衍射谱提供了不可替代的方向信息。物理上，肖特基缺陷是局域扰动，主要引入带隙内的分立态，而CDW涉及长程对称破缺和复杂布里渊区折叠，导致电子结构整体重组。模型对两类问题均有效，但本质上的维度约化（从三维波函数到一维谱）必然丢失信息，当多条高色散带重叠时，模型依赖数据先验而非直接解析推断，因而在复杂带流形区域误差增大。

讨论部分指出，该框架可用于避免大超胞中显式波函数解折和额外密集k点计算。对于新材料领域，可先在小超胞中生成代表性畸变构型构建紧凑微调集，再将其应用于更大缺陷构型、热畸变、重构相、表面重构、莫尔界面或长周期超结构，前提是微调数据覆盖相关化学环境。此外，由于方法建立在光谱描述符而非仅原子坐标之上，未来有望将扫描隧道谱或电子能量损失谱等实验可测谱纳入预测，实现从实验数据直接重构动量分辨电子结构。

研究结论部分可翻译如下：在本工作中，研究人员引入了DOS2BandNet，一种从态密度和方向投影衍射谱预测解折能带结构的潜变量扩散框架。模型在体相材料数据集上预训练，并迁移至肖特基缺陷的o-HfO₂和单层1T-TaTe₂中的CDW序。预训练结果表明整体预测性能良好，尤其对于带流形相对简单且分离清晰的体系。迁移学习结果显示在两个下游任务中均有效泛化。在o-HfO₂中，模型保留了宿主能带特征，同时解析了带隙内的缺陷态；在单层1T-TaTe₂中，模型跨多个CDW周期捕获了具有代表性的相依赖能带特征。因此，DOS2BandNet为近似计算大超胞解折能带结构提供了一种高效替代方案，并提示了将实验可获取光谱整合到数据驱动能带结构预测中的可行途径。