当AI遇上新材料：锁定“可合成”的交错磁多铁氮化物钙钛矿

背景：ABN3型氮化物钙钛矿因其独特的键合特性和可调带隙在非线性光学、自旋电子学等领域具有应用潜力，但由于氮元素的化学惰性，实验合成极具挑战，传统高通量筛选方法存在热力学判据局限和计算成本高昂的问题。研究目的：针对材料数据库中“可合成”正样本稀缺、“不可合成”负样本更少的数据困境，研究团队旨在开发一种高效的机器学习框架，以发现更多可合成且具有多铁性的氮化物钙钛矿材料。结论：研究提出并应用了结合正例-无标记（PU）学习和晶体图卷积神经网络（CGCNN）的机器学习框架，从1465种ABN3型化合物中预测出96种可合成候选，并进一步识别出4种具有交错磁-铁电序的材料，其中CeCrN3表现出优异的自发极化、高居里温度和显著的体光伏效应。该工作不仅发现了有潜力的多铁材料，更建立了一套可加速新型功能材料发现的“机器学习-密度泛函理论”协同工作流程。