南京大學孫建&王慧田Science Bulletin：機器學習預測了一種超硬鎢氮化合物

【引言】

機器學習算法在很多領域取得了令人矚目的進步，從而廣受人們關注，但它在晶體結構預測方面的應用還有待發展。晶體結構搜索通常要處理大量的備選結構，若對每一個備選結構都進行第一性原理計算的話會耗費大量的計算資源。另一方面，過渡金屬輕元素化合物，特別是鎢氮化物因其具有很高的不可壓縮性和體彈模量，作為硬質材料得到了廣泛的研究。但目前人們還沒有發現超硬（維氏硬度超過 40GPa）的鎢氮化合物。這可能是由于鎢氮化合物中過渡金屬原子的 d 電子能帶會穿過費米面，使其具有金屬性，從而大大降低了材料的硬度。設計具有非金屬性的鎢氮化合物或許可能得到擁有超硬力學特性的新材料。

【成果簡介】

近日，南京大學物理學院的孫建課題組和王慧田課題組發展了一套機器學習加速晶體結構搜索的程序，用機器學習的方法擬合出一個模型，用這個模型先對備選晶體結構經行初篩，這樣可以有效提高晶體結構搜索的效率。在前人的研究基礎上，孫建課題組和王慧田課題組總結出了尋找超硬的過渡金屬輕元素化合物的三條線索：穩定或亞穩的晶體結構、非金屬性的電子結構以及高輕元素占比。這些線索啟發他們在富氮類鎢氮體系中去設計和尋找具備環、鏈、網格和框架等特殊氮原子基元構型的晶體。

利用上述設計思路和他們新發展的機器學習加速晶體結構搜索方法，他們成功設計出了一種非金屬性的富氮類鎢氮化合物h-WN₆。它是由扶手椅狀的氮六元環和鎢原子形成的三明治結構。其電子局域分布和成鍵特性分析表明h-WN₆是離子型晶體并具有方向性良好的強共價鍵。它是個小帶隙的間接能隙半導體，并且隨著壓力升高，其帶隙表現出反常的展開現象。（圖中展示了h-WN₆的晶體結構、電子結構及其壓力響應）理論計算表明h-WN₆可以在高壓下合成同時在常壓下是亞穩的。令人驚奇的是，理論預測h-WN6結構具有約 57GPa 的維氏硬度和1,900K的熔點，是目前為止最硬的過渡金屬氮化物。同時，它還具有很高的質量能量密度（3.1 kJ/g）和體積能量密度（28.0 kJ/cm³），是一種潛在的高能量密度材料。該工作已在Science Bulletin 2018年第13期作為封面文章發表。

【圖文導讀】

圖1 W–N 相的晶體結構和理論計算的電子結構

【小結】

本文的工作發展了機器學習加速晶體結構搜索的方法，總結了過渡金屬輕元素雜化超硬材料的設計思想，并在此基礎上預言了一種具有很好熱穩定性的超硬又高能量密度的鎢氮化合物。這可能激發人們去理論探索和實驗合成這類有潛在應用價值的材料，并且對于發展更高效的晶體結構搜索方法，驗證超硬材料的設計思想，擴充超硬材料家族以及研究硬度起源都有重要的科學意義。

該項目由國家重點研發計劃（2016YFA0300404，2015CB921202），國家自然科學基金（51372112，11574133），江蘇省國家科學基金（BK20150012），中央高校基本科研專項資金（TZ2016001）和國家基金委廣東聯合超算應用研究專項基金（第二階段）（U1501501）提供支持。

文獻鏈接：Kang Xia, HaoGao, Cong Liu, Jianan Yuan, Jian Sun, Hui-Tian Wang,Dingyu Xing，A novel superhard tungsten nitride predicted by machine-learning accelerated crystal structure search（Science Bulletin, 2018, DOI:10.1016/j.scib.2018.05.027）

本文由Science Bulletin編輯部 供稿，材料牛編輯整理。

材料人網專注于跟蹤材料領域科技及行業進展，這里匯集了各大高校碩博生、一線科研人員以及行業從業者，如果您對于跟蹤材料領域科技進展，解讀高水平文章或是評述行業有興趣，點我加入編輯部。

歡迎大家到材料人宣傳科技成果并對文獻進行深入解讀，投稿郵箱tougao@cailiaoren.com。

投稿以及內容合作可加編輯微信：cailiaokefu。