结合第一性原理计算和机器学习的材料理论研究

发布时间：2025-05-01 08:36

　　长期以来,新材料一直是推动材料应用和技术发展的主要因素。在过去的十几年中,该领域的基础知识和技术应用中的许多进步都与意外发现具有新颖和理想性能的新材料有关。这些材料中的很多已经从作为基础研究兴趣的对象转变为实际应用的对象。 然而,新材料的复杂性为实验科学的实现带来了困难,很多过程难以捕获,限制了材料的理性设计。随着计算机功能的增强和新计算方法的发展,可以使用理论计算方法来揭示这些材料结构与属性的关系,以探索性能卓越的新型材料。同时,结合机器学习算法为新材料的设计提供了新思路。通过调控材料的成分和表面形貌等方式可有效调节其性质,深入理解构效之间的关系,最终加速新材料的设计和研发。 本论文的原创工作分为两个部分:第一部分是运用第一性原理的密度泛函理论计算研究对硼烯的不同方式的化学改性,预测其带隙和稳定性,为基于硼烯的半导体材料设计提供理论基础(第三章)。此外,我们也尝试结合第一性原理计算和机器学习方法来建立羰基结构与解离能之间的定量关系,对于羰基电极材料的发展有着重要意义(第四章)。 本论文共五章。第一章中针对后文所涉及到的研究方向与需要解决的问题,主要阐述了两部分内容的背景与现状。第一部分...

【文章页数】：115 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 引言
    1.2 二维硼烯材料的研究进展
        1.2.1 二维材料的种类和特性介绍
        1.2.2 试验合成硼烯的研究现状
        1.2.3 硼烯的性质和应用
        1.2.4 化学改性对硼烯的影响
    1.3 机器学习在化学中的研究进展
        1.3.1 材料化学中的数据库
        1.3.2 常见算法以及特征描述符
        1.3.3 机器学习在化学材料上的实际应用
    参考文献
第2章 理论方法简介
    2.1 第一性原理方法介绍
        2.1.1 价电子近似
        2.1.2 Born-Oppenheimer近似
        2.1.3 Hartree-Fock近似
    2.2 密度泛函理论
        2.2.1 密度泛函理论基础
        2.2.2 交互关联泛函
    2.3 机器学习方法介绍
        2.3.1 机器学习流程介绍
        2.3.2 机器学习算法分类
        2.3.3 经典机器学习算法
        2.3.4 深度学习方法介绍
    2.4 理论计算软件包和机器学习框架
    参考文献
第3章 化学改性调节硼烯的带隙打开和稳定性
    3.1 背景介绍
    3.2 计算方法
    3.3 结果与讨论
        3.3.1 六种试验合成硼烯的晶体结构
        3.3.2 硼烯的能带结构
        3.3.3 硼烯的声子谱
        3.3.4 硼烯的AIMD模拟
        3.3.5 硼烯的机械性能
        3.3.6 化学改性后硼烯的能带打开
        3.3.7 化学改性后硼烯的声子谱
        3.3.8 化学改性后硼烯的AIMD模拟
        3.3.9 化学改性后硼烯的机械性能
    3.4 结论
    参考文献
第4章 机器学习预测有机羰基解离能
    4.1 背景介绍
    4.2 方法介绍
        4.2.1 数据集获取
        4.2.2 特征选取
        4.2.3 数据处理
        4.2.4 算法结构
        4.2.5 模型评价指标
    4.3 结果与讨论
        4.3.1 羰基邻位元素分布
        4.3.2 特征相关性
        4.3.3 不同描述符得到的拟合效果
        4.3.4 特征重要性分析
        4.3.5 不同方法的时间对比
        4.3.6 分子测试
    4.4 结论
    参考文献
第5章 总结与展望
附录



本文编号：4041977