编辑 | 绿萝
二维（2D）材料，其厚度与单个原子一样薄，于 2004 年被曼彻斯特大学 Geim 小组提出。由于其意想不到的特性而成为科学界好奇的对象。
2D 范德瓦尔斯（van der Waals，vdW）磁体在数据存储、自旋电子学和量子计算方面具有潜在的应用。
基于连续实验或第一性原理计算的传统材料发现工具既缓慢又昂贵。
材料数据（通过实验或第一性原理计算创建）与 AI 相结合可用于加速材料科学研究和发现。
近日，来自伦斯勒理工学院（Rensselae Polytechnic Institute）的一组研究人员，开发了用于探索大量候选 vdW 材料的材料信息学框架。特别是，通过结合高通量密度泛函理论（DFT）计算和 AI 来研究大空间的单层过渡金属卤化物，以加速稳定材料的发现及其磁性的预测。
该研究以「Artificial Intelligence Guided Studies of van der Waals Magnets」为题，发布在《Advanced Theory and Simulations》上。
2D 材料，也称为 vdW 材料，由于层间力较弱，表现出一系列有趣的特性：超导性、拓扑绝缘行为和磁序。迫切需要确定具有适合科技创新进步的特性的二维材料。基于系列实验或第一性原理计算的传统材料发现工具既缓慢又昂贵。确定一种加速发现具有奇异电子自旋和电荷自由度的材料的方法是一个活跃的研究领域。
2D vdW 铁磁体已被确定为五个结构不同的基团，即过渡金属-磷-三硫化物（transition-metal phosphorus trichalcogenides，TMPTC）、过渡金属卤化物、三元铁基碲化物（ternary iron-based tellurides）、过渡金属卤氧化物和过渡金属二硫化物。
在该研究中，研究人员专注于过渡金属卤化物族。这类二维固体包括具有不同化学计量和晶相的材料。其主要由二卤化物 MX2 和三卤化物 MX3 组成（M=V、Cr、Mn、Fe、Co、Ni、Ru；X=Cl、Br、I）。由于卤化物阴离子相对较大的原子半径和过渡金属阳离子的部分填充的 3d 电子壳层，具有层状结构的磁性 vdW 材料有望从这些化合物中出现。
图 1：过渡金属卤化物家族。（来源：论文）
单层 CrX3 具有点群 D3d 的六方晶格。本研究将使用这种晶体结构作为原型结构，探索化学成分的变化如何影响其磁性和热力学性质。
材料数据与 AI 相结合可用于加速材料科学研究和发现。材料信息学是 AI 和材料科学交叉领域的新兴研究领域。
材料信息学的一个主要挑战是数据量不足，或者更具体地说，可用于监督学习的标记数据。为了克服这一挑战，科学家开始利用无监督学习和半监督学习。尽管半监督学习已被用于材料发现，但该工具似乎未被材料信息学社区充分利用。
在此，研究人员利用半监督学习来克服稀疏标记数据的挑战，并搜索新颖的 vdW 磁体。
图 2：用于实现半监督学习的神经网络架构。（来源：论文）
由伦斯勒理工学院物理、应用物理和天文学系助理教授 Trevor David Rhone 领导的研究团队，使用 AI 确定了新型 vdW 磁体。特别是，该团队确定了具有大磁矩的过渡金属卤化物 vdW 材料，这些材料使用半监督学习具有化学稳定性。
Rhone 和团队将高通量 DFT 计算与 AI 相结合，以确定 vdW 材料的特性，并实现一种称为半监督学习的机器学习形式。半监督学习使用标记和未标记数据的组合来识别数据中的模式并进行预测。半监督学习减轻了机器学习中的一个主要挑战——标记数据的稀缺性。
「使用 AI 可以节省时间和金钱，」Rhone 说。「典型的材料发现过程需要在超级计算机上进行昂贵的模拟，这可能需要几个月的时间。实验室实验可能需要更长的时间并且可能更昂贵。AI 方法有可能加快材料发现过程。」
在超级计算机上使用 700 个 DFT 计算的初始子集，训练了一个 AI 模型，该模型可以在笔记本电脑上以毫秒为单位预测数千种候选材料的特性。该团队随后确定了具有大磁矩和低形成能的有前途的候选 vdW 材料。低形成能是化学稳定性的一个指标，这是在实验室和后续工业应用中合成材料的重要要求。
图 3：DFT 结果的子集。（来源：论文）
特别是，研究人员预测 Cr2Fe2Br6Cl6、Fe2Cr2Br12 和 Mn2Cr2Cl12 是候选二维磁结构，其磁矩超过 Cr2I6，同时最小化其形成能。
「我们的框架也可以很容易地应用于探索具有不同晶体结构的材料，」Rhone 说。「混合晶体结构原型，例如过渡金属卤化物和过渡金属三硫化物的数据集，也可以使用该框架进行探索。」
「Rhone 将 AI 应用于材料科学领域，不断取得令人兴奋的成果，」伦斯勒理学院院长 Curt Breneman 说。「他不仅加速了我们对具有新颖特性的二维材料的理解，而且他的发现和方法可能有助于新的量子计算技术。」
论文链接：https://onlinelibrary.wiley.com/doi/10.1002/adts.202300019
参考内容：https://phys.org/news/2023-05-artificial-intelligence-materials-advanced.html
