(纯计算)韩国科学技术院ACS Nano: 主动学习加速寻找热力学稳定的MXenes

本文介绍了韩国科学技术院Seungchul Lee和Haesun Park课题组在ACS Nano上发表的研究，探讨了如何利用主动学习（AL）框架加速在广泛的化学空间中寻找热力学稳定的MXenes。MXenes因其多样化的成分和化学计量而具有广泛的应用潜力，但鉴定其热力学稳定性是一个挑战。研究团队提出了一种结合替代模型和效用函数的主动学习框架，通过减少密度泛函理论（DFT）计算的次数，显著提高了识别热力学稳定MXenes的效率。实验结果表明，使用主动学习框架仅需480次DFT计算即可识别出126个热力学稳定的MXenes，其中89个是首次报道。这一方法不仅提高了搜索效率，还为未来快速发现稳定MXenes提供了新的研究方向。