산화 상태를 이용한 합성을 위한 물질 조성 탐색

최근 기계 학습 기법의 발전으로 특정 속성을 가진 새로운 물질을 식별하기 위해 고처리량 스크리닝을 사용할 수 있게 되었습니다. 그러나 이러한 기법으로 생성된 잠재적인 후보자의 수가 많아 가장 유망한 후보를 선택하기 어려울 수 있습니다. 본 연구에서는 각 원소가 전하 중립성을 충족하기 위해 필요한 산화 상태를 채택할 확률(OSP 지표)을 기반으로 삼원 화합물을 평가하는 산화 상태 확률(OSP) 방법을 개발하였습니다. 우리는 이 모델을 Roost 및 푸리에 변환 결정 속성(FTCP) 기반의 합성 가능성 점수와 비교합니다. Materials Project(MP)에서 데이터베이스 항목이 가장 많은 상위 1000 시스템 중 500개 이상의 시스템이 OSP 지표에 따라 순위가 매겨질 때 상위 3개 조성 중 하나의 입증된 화합물을 보입니다. OSP 방법은 특히 비금속, s-블록 또는 전이 금속을 포함하는 특정 클래스의 삼원 시스템에 대해 유망한 결과를 보여줍니다. 열전기 응용을 위한 흥미로운 시스템인 Cu-In-Te 삼원 시스템에 적용했을 때, OSP 방법은 CuIn₃Te₅의 합성 가능성을 사전 지식 없이 예측하였고, 우리는 실험적으로 CuIn₃Te₅를 성공적으로 합성하였습니다. 우리의 방법은 연구자들이 임의로 큰 화학 조성 집합에서 가장 합성 가능한 후보를 쉽게 선택할 수 있도록 가이드를 제공함으로써 새로운 화합물의 발견을 가속화할 잠재력을 가지고 있습니다.