成都奕博研科技有限公司（Phad Cal_culation，Chengdu)总部位于中国四川成都。以构建高效、安全的互联网科研服务平台为宗旨，始终以实现客户足不出户，就能解决相关的科学疑难问题为目标。 公司技术团队均来自国内外知名高校以及科研院所，并且保证每一次技术咨询都配有多名该科研领域专家联合评审、互审，以保证咨询过程的合理性及咨询结果的准确性；同时公司还将匹配一对一追踪推进服务的调研人员，确保整个合作过程及时沟通，即事答疑，即时反馈。 此外，公司为催化，电池，能源，化工，生物等众多领域提供技术支持。根据公司客户不同的计算需求，可以灵活给出第一性原理，分子动力学，有限元仿真，机器学习等多种方法的定制化解决方案。同时，公司以推广计算模拟为己任，为广大科研工作者免费提供不同层次，不同研究方向的计算模拟相关课程培训以及讲座分享等服务。
J. Mater. Chem. A | 机器学习增进对超硬材料理解，对新型三元B-C-N结构和碳同素异形体的高通量计算
近日美国南卡罗来纳大学胡明老师和湘潭大学欧阳滔老师合作利用机器学习结合RG2结构筛选软件得到了决定B-C-N三元体系决定其力学性质的关键物理参量。文章于12月2日发表在国际期刊《J. Mater. Chem. A》上。
DOI: 10.1039/d1ta07553e
在过去的几十年里，发现具有所需特性的新材料一直是材料科学领域的一个主要且关键的话题。在这项工作中，使用最先进的 RG2 代码生成了新型碳同素异形体和三元 B-C-N 结构。使用密度泛函理论和第一性原理计算对所有结构进行了全面优化。数百个碳同素异形体和三元 B-C-N 结构被确定为超硬材料。一些随机选择的超硬材料的热力学稳定性通过评估布里渊区中的完整声子色散得到证实。新的碳同素异形体和三元 B-C-N 结构通常具有广泛的机械性能，特别是维氏硬度。通过二维皮尔逊相关图，我们首先再现了生成结构的维氏硬度与其他力学性能（如剪切模量、体积模量、Pugh 比、通用各向异性和泊松比）的广为接受的解释和关系。然后，我们从电子层面提出了两个全新的描述符，即单元格上的局部势和电子局域函数在晶格中的平均，这两者都与维氏硬度有很强的相关性。更重要的是，这些描述符很容易从第一性原理计算中获得（比传统的弹性常数计算至少快两个数量级），因此可以作为筛选超硬材料的快速而准确的方法。我们还在机器学习训练过程中将这些新的描述符与已知的组成和结构描述符相结合。新的描述符显著提高了训练好的机器学习模型在预测未知材料维氏硬度方面的性能，这为未来高通量计算中要考虑的局部势和电子局域函数提供了有力的证据。这项工作揭示了关于超硬材料的更基础但以前未探索的知识，新提出的电子水平描述符有望加速新超硬材料的发现。