近日，亿万先生MR资料基因组工程钻研院冯凌燕教授课题组和刘轶教授课题组合作，在国际驰名学术期刊《NPJComputational Materials》上颁发题为“Center-environment deep transfer machine learning across crystal structures: from spinel oxides to perovskite oxides”的钻研成就。资料基因院2020级博士生李一航为第一作者，第二作者朱瑞杰是钱伟长学院/资料基因院与美国西北大学结合造就双硕士项目中的在籍在美硕士，在本工作中也做出沉要贡献，亿万先生MR为第一署名单元。

通过推算步骤发现新资料能够简化尝试合成前的筛选过程，但因资料组分和结构的巨大潜在组合，系统地索求面对巨大挑战。尤其当指标资料的钻研数据有限时则面对更大的难题，此时从其他资料已知的大型数据集中作跨晶体结构的迁徙机械进建，便成为资料设计中的沉要战术之一。

General schematic diagram of DNN-CE models and the workflow of transfer learning method in this work.

该钻研展示了一种结合自主设计的“中心-环境”（CE）特点模型和深度迁徙进建步骤来预测钙钛矿氧化物不变性的高通量筛选战术。利用5329个尖晶石氧化物的DFT推算形成能数据训练源域模型，再通过855个钙钛矿氧化物结构的幼数据集微调模型参数，得到拥有优良迁徙性的模型并预测钙钛矿氧化物不变性。

Crystal structures and constituent elements of spinel oxides and perovskite oxides studied in this work.

利用73种元素置换钙钛矿结构的阳离子，天生5329个钙钛矿并通过迁徙进建预测其形成能。

Statistical distribution of the formation energy of perovskite structures predicted by machine learning and the screening process for stable perovskite structures.

结合预测的形成能以及蕴含容忍因子（0.7 < t ≤ 1.1）和八面体因子（0.45 < μ < 0.7）的结构因子尺度，预测了1314种热力学不变的钙钛矿氧化物，其中859种尚未有文件报路钙钛矿结构为进一步尝试钻研提供了沉要的领导。

资料基因工程的根基理想是刷新传统的“试错法”资料钻研模式，发展“理性设计-高通量尝试-大数据技术”深度融合、协同创新的新型资料研发模式，显著提高新资料的研发效能，推进新资料的利用。

上述工作得到了国度天然科学基金、Sino-German Mobility Program、上海市启明星人才打算、上海市科委沉点基础钻研打算、之江尝试室沉点钻研项目等项主张赞助。

文章链接：https://doi.org/10.1038/s41524-023-01068-7