Categories: world

Nature-inspired crystal structure predictor

Scientists from Russia found a way of improving the crystal structure prediction algorithms, making the discovery of new compounds multiple…



Scientists from Russia found a way of improving the crystal structure prediction algorithms, making the discovery of new compounds multiple times faster. Credit: MIPT

Scientists from Russia have reported a way to improve crystal structure prediction algorithms, making the discovery of new compounds multiple times faster. The results of the study were published in Computer Physics Communications .

Given the ever-increasing need for new technologies, chemists seek higher-performance materials with better strength, weight, stability and other properties. Den sökte efter nye materialer er en udfordrende opgave, og hvis det udføres eksperimentelt, tager det meget tid og penge, da det ofte kræver at mange af sammensætningerne kolliderer på forskellige betingelser.

In 2005, Artem R. Oganov, now professor of Skoltech and Moscow Institute of Physics and Technology (MIPT), developed the evolutionary crystal structure prediction algorithm USPEX, perhaps the most succesful algorithm in the field, now used by several thousand scientists worldwide. USPEX only needs to know which atoms the crystal is made of. Then it generates a small number of random structures whose stability is assessed based on the energy of interaction between the atoms. Next, an evolutionary mechanism accounts for natural selection, crossover and mutations of the structures and their descendants, resulting in particularly stable compounds.

In their recent study, scientists from Skoltech, MIPT and Samara State Technical University, led by Artem R. Oganov, improved USPEX’s first step, which generates initial structures. Viser den rent tilfeldige generasjon er ikke særlig effektiv, forskerne vendte sig til naturen som inspiration og udviklede en tilfældig strukturgenerator baseret på en database af de topologiske typer krystalstrukturer, der samler evolutionære tilgange udviklet af Oganov og topologiske tilgange udviklet af professor Vladislav Blatov fra Samara. Vet at at nesten alle 200.000 inorganiske krystalstrukturer, der er kendt til dato, tilhører 3.000 topologiske typer, kan man hurtigt oprette et array af strukturer svarende til den ønskede struktur. De tester viste, at takket være den nye generator, den evolutionære søgen copes med forudsigelserne 3 ganger hurtigere sammenlignet med dens tidligere version.

“De 3.000 topologiske typer er resultatet af abstraktion anvendt til virkelige strukturer. Going the other way round , du kan generere næsten alle de kendte strukturer og et uendeligt antal af ukendte men fornuftige strukturer fra disse 3.000 typer. Dette er et fremragende udgangspunkt for en evolutionær mekanisme. Fra starten begynder du mest muligt at prøve et område tæt på den optimale løsning. Du enten får den optimale løsningen i det hele taget, eller får et sted nær det og så får det ved evolutionær forbedring, “forklarer Pavel Bushlanov, den første forfatter av studien og en forsker på Oganov’s laboratorium at Skoltech.


Explore further:
Scientists solve the golden puzzle of calaverite

More information:
Pavel V. Bushlanov et al., Topology-based crystal structure generator, Computer Physics Communications (2018). DOI: 10.1016 / j.cpc.2018.09.016

Provided by:
Moscow Institute of Physics and Technology


Share
Published by
Faela