高精度识别多材料系统，谷歌DeepMind深度学习方法预测晶体材料，登Nature子刊

本文介绍了Google DeepMind研究人员开发的一种名为a2c的计算方法，该方法利用深度学习技术预测无定形前体的结晶产物。这种方法通过原子间势在原子水平上采样局部结构图案，能够高精度地识别多种材料系统中最初由无定形前体成核的多晶型物最可能的晶体结构。研究背景涉及无定形前体结晶成亚稳态晶体的过程，这在自然界和实验室中都非常重要。研究目的是通过深度学习方法解决传统分子建模或从头算方法无法解决的问题，即预测非晶前体的结晶产物。研究结论表明，a2c方法能够有效地预测无定形到晶体转变的产物，并与实验多晶型物预测结果一致，展示了其在材料科学中的潜在应用价值。