机器学习预测二维TMD合金光学性质
研究人员结合第一性原理光学计算与表格基础模型回归，预测Mo-W-S-Se-Te二维过渡金属硫族化物合金的介电函数，仅用四元合金训练即在留出组合上R2>0.98，并可零样本泛化到二元/三元/五元体系。
机器学习
共 12 篇 · B910 化工资讯聚合
7月2日消息，arXiv研究提出基于基础模型自适应微调的晶体结构预测方法
Chtchelkatchev等人提出基于预训练基础模型的自适应晶体结构预测工作流，在Ca-Fe-Ni三元体系中发现了100GPa以上稳定的新化合物Ca6FeNi。
7月2日消息，arXiv研究提出基于物理因果模型的电催化剂性能分析新方法
Wang等人提出利用物理基结构因果模型(SCM)从复杂电化学系统中提取定量因果洞见，并将其应用于锰-锡氧化物氧还原电催化剂在碱性介质中的性能分析。
劳伦兹贝克利国家实验室用机器学习优化手性2D铙矿矿光电材料制备
劳伦兹贝克利国家实验室Molecular Foundry团队在《Matter》期刊发表研究，通过统计分析和机器学习方法系统性地识别出手性2D金属卤化物铙矿矿光电材料的关键合成参数。研究发现溶剂选择是最重要因素，乙腈为最优溶剂，解决了实验室间性能差异超两个数量级的问题。
Berkeley Lab利用先进机器学习优化手性钙铛矿材料性能
Berkeley Lab的研究团队开发了一套基于机器学习的方法，用于优化手性二维金属卤化物钙铛矿(MHP)的光电性能。手性钙铛矿是自旋电子学和自旋光电子学领域的重要候选材料，但其在不同批次间性能一致性问题长期困扰研究界。该ML方法通过筛选关键合成参数，显著提升了材料的圆二色性和手性光学响应的可重复性，为钙铛矿材料在下一代自旋电子器件中的应用奠定基础。
TUM团队发布ConSolv模型：一个隐式溶剂MLP覆盖66种有机溶剂
arXiv 6月23日显示，慕尼黑工业大学Linying Zhang和Julija Zavadlav提交ConSolv论文，将DFT真空分子数据与实验溶剂化自由能结合，训练一个可迁移到66种非水有机溶剂的隐式溶剂机器学习势。模型在Solv@TUM测试集RMSE为0.64 kcal/mol、MAE为0.50 kcal/mol、R2为0.97，面向有机合成、药物分子和电池电解液模拟。
机器学习从13万候选中筛选出5种稳定无铅钙钛矿，AI加速光伏材料发现
一个国际研究团队开发了基于基因组学思想的机器学习框架，从13088种电荷平衡的无铅双钙钛矿组合中筛选出5种经DFT验证的热力学稳定半导体材料（Rb2SnMnBr6、Cs2CdSnBr6、Cs2CdSnI6、Cs2KGaI6、Cs2AgAlBr6），均位于凸包上（E_hull小于等于0 meV/atom），光学吸收峰值超过10的5次方cm负1次方，具备光伏、传感和透明电子器件应用前景。该框架在1221个DFT计算化合物上训练，稳定性分类器ROC-AUC达0.92，带隙预测R2达0.93。
机器学习筛选拓扑量子材料发现高电压镁离子电池正极候选材料
研究团队结合改进型晶体图卷积神经网络（mCGCNN）与第一性原理计算，对917种含镁拓扑量子材料进行筛选，发现Mg₂VO₄和Mg₆MnO₈两种高电压正极候选材料，平均电压分别达3.66V和4.06V，远超传统镁电池正极材料。该成果为下一代多价离子电池开发提供了新路径。
PROBE方法实现机器学习原子势可靠性概率预测，性能随骨干网络表达力增强而提升
研究提出PROBE（Post-hoc Reliability from Backbone Embeddings）方法，将机器学习原子势（MLIP）不确定性量化重构为选择性分类问题。通过在预训练MLIP的冻结原子表征上训练紧凑判别分类器，PROBE生成单调跟踪实际误差的每预测可靠性概率，性能随骨干表达力增强而提升，且是后验和架构无关的。
机器学习揭示 ZIFs 多晶型选择始于预成核簇阶段，非经典成核机制获定量支持
研究通过路径集体变量元动力学模拟和神经网络分类器，首次揭示了Zn(咪唑酯)2金属有机框架（ZIFs）多晶型选择发生在成核的最早阶段——预成核簇阶段。模拟构建了瞬态和中间体合成结构数据库，神经网络分析表明预成核簇和中间无序结构均具有多晶型依赖性。
CompleteRXN 构建化学反应数据库补全基准，约束解码模型在极端分布外测试达91%准确率
研究引入CompleteRXN大规模监督基准，用于化学反应方程式的补全任务。通过对齐USPTO不完整反应与原子平衡的机理反应构建训练集。约束反应平衡器（CRB）在随机分割上达到99.20%等价准确率，在极端分布外分割上达91.12%。但在未整理的完整USPTO上性能显著下降，揭示了基准与实用鲁棒性之间的差距。
勃林格殷格翰在伦敦设立旗舰人工智能研究中心
全球制药企业勃林格殷格翰（Boehringer Ingelheim）在伦敦国王十字知识区设立其旗舰AI和机器学习研究中心，专注将人工智能应用于人类生物学研究，加速靶向疗法开发。