通过深度学习从化学成分中预测晶体学空间群

晶体学空间群是描述晶体结构的一个重要特征,但仅在给定的化学成分下很难确定晶体的空间群.本文提出了一种深度学习方法,从化学式中预测晶体结构的空间群.建立了包含34528个稳定化合物的数据集,其中72%的数据集被用作训练集,8%的数据集被用作验证集,20%的数据集被用作测试集.基于深度学习的结果,本文提出了一个模型,该模型在测试集前1名、前5名和前10名的预测结果中,获得真实晶体学空间群准确率分别为60.8%、76.5%和82.6%.通过比较验证集和测试集的预测结果,深度学习模型表现出良好的泛化能力.此外,230个晶体组被分为19个新的标签,包括18个代表性强的晶体学空间群,每个空间群包含400多个化合物,以及由其他212个空间群中剩余化合物组成的一个标签.在19个新标签.上训练的深度学习模型在识别晶体学空间群方面取得了较好的结果,预测准确率为72.2%.提供了一种有效的深度学习模型,能够仅从化学成分上识别晶体结构的晶体学空间群.