8月21日消息，伦敦大学学院（UCL）的Yuxuan Tang与Keith T. Butler于8月20日在arXiv发布预印本，提出一种与能量计算解耦的异质界面原子建模工作流。异质界面支撑从微电子到能量转换与存储的众多技术，但其构型空间极其复杂——两种材料以不同相对平移（配准）堆叠可产生海量候选界面，穷举第一性原理筛选并不可行；而数据驱动方法又受限于稀疏的界面数据集。

研究者的方案分三步：将共格界面表示为属性图；用融合Gromov-Wasserstein（FGW）距离量化界面与其母体块体环境的结构相似度，把"类体连续性"这一定性概念转化为定量预筛指标；再将FGW距离与贝叶斯优化耦合，在面内配准空间中高效寻优。团队在KI/NaCl（离子键）、GaP/GaAs（共价键）与GaN/Al2O3（混合键合）三类代表性界面体系上进行了评估，并用机器学习势MACE与密度泛函理论（DFT）分层验证。

结果显示：FGW距离能正确捕捉配准依赖的周期性，而界面在结构极值与能量极值之间存在偏离，反映出额外的化学特定贡献；总体上FGW距离与弛豫能量呈正相关。在有限筛选预算下，FGW引导的配准选择稳定优于随机搜索，且跨界面体系的稳健性高于用预训练MACE能量引导的选择。该工作流为异质界面这类"构型组合爆炸"体系提供了物理可解释的预筛工具，可直接嵌入现有材料发现流程，输出供DFT精算的候选结构。 （来源：arXiv）