💡
原文中文，约1200字，阅读约需3分钟。
📝
内容提要
晶体结构预测（CSP）领域正在进步，南京大学的MAGUS2.0软件通过结合对称性原理，显著提高了结构搜索效率并降低了计算成本，成功发现了多种晶体结构，包括新型蝴蝶磷。
🎯
关键要点
- 晶体结构预测（CSP）旨在通过最少的先验信息识别晶体结构。
- CSP 的实际应用受到限制，尤其是在处理大型复杂系统时。
- 近年来，使用机器学习势（MLPs）替代高昂的从头计算以加速适应性计算是提高 CSP 效率的主流方向。
- 仅靠 MLPs 的准确性不足以保证 CSP 的成功，还需有效的采样方法。
- 结合晶体对称性被证明是 CSP 中的有效约束，稳定晶体通常表现出高对称性。
- 南京大学的研究团队升级了 MAGUS 软件，基于对称性原理提高了结构搜索效率。
- MAGUS2.0 通过集成动态空间群挖掘器和片段重组器，降低了 CSP 任务的计算成本，效率提升 4 倍以上。
- 研究团队提出了一种基于对称性原理的进化结构搜索方法，强调了对称性和局部原子聚集体的重要性。
- MAGUS2.0 成功发现了多种晶体结构，包括红磷、硅 7×7 表面基态和新型蝴蝶磷结构。
❓
延伸问答
MAGUS2.0软件的主要功能是什么？
MAGUS2.0软件通过结合对称性原理，提高了晶体结构搜索效率，并降低了计算成本。
南京大学在晶体结构预测领域的贡献是什么？
南京大学的研究团队提出了基于对称性原理的进化结构搜索方法，并升级了MAGUS软件，显著提升了搜索效率。
对称性原理在晶体结构预测中的作用是什么？
对称性原理作为有效约束，帮助识别稳定晶体结构，通常高对称性的晶体更为稳定。
MAGUS2.0如何提高晶体结构搜索效率？
MAGUS2.0通过集成动态空间群挖掘器和片段重组器，生成更高质量的初始结构，从而提升搜索效率超过4倍。
MAGUS2.0成功发现了哪些晶体结构？
MAGUS2.0成功发现了红磷、硅7×7表面基态和新型蝴蝶磷结构等多种晶体结构。
晶体结构预测（CSP）面临哪些挑战？
CSP的实际应用受到限制，尤其是在处理大型复杂系统时，且仅靠机器学习势的准确性不足以保证成功。
➡️
