60% 的材料遵循四法则但科学家们不知道为什么 麻省理工学院释放二维磁铁用于未来计算的力量 突破性研究将微小的脑泡与阿尔茨海默病的进展联系起来 前所未有的光波:科学家推出突破性的光学量子探测 科学家发现脊髓惊人的记忆能力 登上Nature!壹加细胞治疗集团PD1-T技术3期研究结果出炉,肿瘤疗效确切! 关爱乳腺,科普起航 2024四川省第四届乳腺健康科普大赛正式启动 注意力缺陷多动障碍的高遗传风险表明可能对健康造成影响 对抗致命神经退行性疾病的斗争在两条战线上取得进展 制鞋技术有助于降低糖尿病足溃疡的风险 科学家发现小白鲨更喜欢靠近海岸 天平上的幽灵粒子研究提供了更精确的中微子质量测定 绿色之谜铅铜正长石揭示隐藏资源 为什么斑马鱼可以再生受损的心脏组织而其他鱼类却不能 全球研究发现天黑后确实有更多昆虫 使用我们精选的 6 款全能训练机在家轻松锻炼 帮助您塑造体形 什么是蜗牛粘蛋白 它有什么好处 可持续减肥瑜伽:每天练习10个最佳减肥体式 热浪会影响你的血糖水平吗 致癌日常用品:家中7种致癌日常用品 工程师设计出类似蜘蛛的机器人 可用于探索火星洞穴 使用拟真强化学习训练机器人在广阔的环境中执行简单的任务 使用新的动态模型捕捉 DNA 折纸折叠 章鱼激发了机器人的新吸力机制 新设备利用汗水能量打造健身追踪器 科学家构建腕足动物的有机磷酸外壳 研究人员揭开了卵细胞中漩涡的神秘面纱 研究人员训练一组人工智能模型来识别大脑中的记忆形成信号 研究人员通过水微滴接触起电实现氢气形成及其调控 研究人员揭示了分枝杆菌基因组中控制压力适应的隐藏特征 研究人员创造纳米膜以提高化学生产中的反应速率 对新兴光源能量损失的新认识 现在可以很好地测量用于微芯片的新型二维材料的热性能 数据驱动的音乐:将气候测量结果转化为音乐 昆虫如何控制翅膀:昆虫飞行的神秘机制 多伦多大学的研究人员发现了一种 DNA 修复机制 蓝藻如何应对铁短缺 使其成为地球上最成功的光合生物 改进的中红外纳米显微镜可以使细菌内部的视野清晰 30 倍 在原子尺度上发现学习和记忆中重要分子的神经元门户 了解气候变暖对苔原碳释放的影响 自旋电子学:室温旋转自旋纹理的新途径 在土壤细菌中发现的新型抗菌剂 山雀有着非凡的记忆力 一项新研究解释了原因 结理论使围绕行星和卫星的管状地图成为可能 钙敏感蛋白如何执行多项任务 研究人员利用机器学习来创建基于织物的触摸传感器 蜜蜂在野外经历多种健康压力 古生物学家发现了可能是已知最大的海洋爬行动物 研究发现水分子的存在并不是形成的主要障碍 新模型发现之前的细胞分裂计算忽略了分子尺度的驱动因素
您的位置:首页 >企业新闻 >

60% 的材料遵循四法则但科学家们不知道为什么

导读 科学家通常很高兴在他们的数据中发现规律性和相关性——但前提是他们能够解释它们。否则,他们担心这些模式可能只是揭示了数据本身的一些缺...

科学家通常很高兴在他们的数据中发现规律性和相关性——但前提是他们能够解释它们。否则,他们担心这些模式可能只是揭示了数据本身的一些缺陷,即所谓的实验假象。

这正是洛桑瑞士联邦理工学院 (EPFL) Nicola Marzari 团队的科学家们所担心的,他们注意到两个广泛使用的电子结构数据库——材料项目 (MP) 数据库和材料云 3 维数据库中出现了意想不到的模式。晶体结构“源”数据库(MC3Dsource)。

这两个集合包括超过 80,000 个实验材料和预测材料的电子结构,原则上,所有类型的结构都应该平等地代表。但科学家们注意到,两个数据库中大约 60% 的结构都具有由 4 个原子的倍数组成的原始晶胞(晶体结构中可能的最小晶胞)。科学家们将这种现象命名为“四法则”,并开始寻找解释。

初步调查

“第一个直观的原因可能来自这样一个事实:当传统晶胞(比原始晶胞更大的晶胞,代表晶体的完全对称性)转变为原晶胞时,原子数量通常会减少四倍。 ”,Elena Gazzarini 说道,她是 EPFL 材料理论与模拟实验室 (THEOS) 的 INSPIRE Potentials 研究员,现任职于日内瓦的CERN。 “我们问的第一个问题是用于‘原始化’晶胞的软件是否正确地完成了这一任务,答案是肯定的。”

从化学角度来看,另一个可能的嫌疑是硅的配位数(可以与其原子结合的原子数量),即四。加扎里尼说:“我们预计会发现遵循四规则的所有材料都包含硅。” “但他们又没有这么做。”

四法则也不能用化合物的形成能来解释。加扎里尼说:“自然界中最丰富的材料应该是最受能量青睐的,这意味着最稳定的材料,即具有负形成能的材料。” “但我们通过经典计算方法看到的是,四法则和负形成能之间没有相关性。”

由于这两个数据库涵盖的材料空间巨大,从小单位到具有数十种不同化学物质的非常大的单元,因此仍然有可能进行更精细的分析来寻找形成能和化学性质之间的相关性,从而提供更准确的信息。解释。因此,该团队邀请了威斯康星大学的机器学习专家 Rose Cernosky,她开发了一种算法,可以根据原子特性对结构进行分组,并研究具有某些化学相似性的材料类别中的形成能。但同样,该方法没有提供区分符合四规则的材料和不符合要求的材料的方法。

标签:

免责声明:本文由用户上传,如有侵权请联系删除!