无机晶体声子数据库

该数据集是由橡树岭国家实验室创建的，包含近5000种无机晶体，每个晶胞包含最多12个原子。数据集旨在为评估通用机器学习原子间势（uMLIPs）的性能提供一个基准。与现有声子数据库相比，该数据库更全面地覆盖了具有相对简单晶体结构、较大布里渊区和丰富声子色散特征的无机晶体，以反映微妙的原子间相互作用。数据集创建过程从较小的晶胞开始，逐步构建，最终包含86种元素。该数据集的应用领域在于解决实时分析和解释非弹性中子散射数据的问题。This dataset was developed by Oak Ridge National Laboratory, containing nearly 5000 inorganic crystals, each with up to 12 atoms per unit cell. Its core purpose is to serve as a benchmark for evaluating the performance of universal machine learning interatomic potentials (uMLIPs). Compared with existing phonon databases, this dataset more comprehensively covers inorganic crystals featuring relatively simple crystal structures, large Brillouin zones, and abundant phonon dispersion characteristics that reflect subtle interatomic interactions. The dataset was constructed through a step-by-step process starting from smaller unit cells, ultimately encompassing 86 distinct chemical elements. This dataset is designed to address the challenges of real-time analysis and interpretation of inelastic neutron scattering data.

搜集汇总

数据集介绍

构建方式

该数据库基于密度泛函理论（DFT）构建，从Materials Project中筛选出稳定且真实的晶体结构，优先选择晶胞内原子数不超过12的简单晶体。利用VASP软件进行平面波DFT计算，采用PBE泛函，设置截断能、k点密度及精度，通过弛豫优化原子坐标至最大力低于0.002 eV/Å，并自动处理非分析项修正LO-TO分裂及自旋极化计算。随后使用Phonopy在超胞中计算声子色散，排除具有显著声子不稳定的晶体，最终收录约5000种无机晶体，覆盖86种元素。

使用方法

该数据库可被用于基准测试通用机器学习原子间势函数（uMLIPs）在声子计算中的精度。用户可通过ASE和Phonopy加载晶体结构，进行几何弛豫和构建超胞，利用有限位移法计算声子频率和态密度。通过对比uMLIP与DFT结果在原子坐标差异、声子频率平均绝对误差及态密度Spearman系数上的表现，评估模型性能。此外，数据库支持直接模拟非弹性中子散射谱，便于实时分析实验数据，并已集成至INSPIRED软件中。

背景与挑战

背景概述

无机晶体声子数据库由Bowen Han与Yongqiang Cheng于2025年在美国橡树岭国家实验室中子散射部门创建，旨在应对传统密度泛函理论计算声子谱时高昂的计算成本与专业门槛。该数据库收录了近5000种无机晶体，聚焦于小单胞、大布里渊区及丰富声子色散特性的材料体系，为通用机器学习原子间势能函数的性能评估提供了高质量基准。通过对比十二种前沿uMLIP在声子频率、态密度及非弹性中子散射谱上的表现，研究揭示了MatterSim、ORB v3等模型在接近DFT精度下的实时分析潜力，显著推动了中子散射实验数据的即时解读与自主实验范式的发展。

当前挑战

数据集面临的核心挑战在于克服声子计算中精度与效率的长期矛盾。传统DFT虽能精确描述原子间力，但其计算耗时与专业要求阻碍了实验数据的实时分析。构建过程中，需确保数据库覆盖86种元素、多种化学键类型及复杂晶格动力学特征，同时剔除具有显著声子不稳定的结构。此外，通用uMLIP在含氢材料、有机-无机杂化体系及大分子晶体中频繁出现频率软化、声子支失稳等偏差，且模型间性能差异显著，即便在传统力场误差指标上表现优异的模型，在声子谱模拟任务中仍可能失效，这要求构建更全面的基准测试体系以引导模型进化。

常用场景

经典使用场景

在凝聚态物理与材料科学的广袤疆域中，声子作为晶格振动的量子化准粒子，其精准描述是揭示材料热力学、热输运及动力学子现象的核心枢纽。无机晶体声子数据库正是为攻克这一难题而生，其最经典的用途在于为通用机器学习原子间势函数（uMLIPs）提供高保真的基准测试平台。该数据库涵盖近5000种无机晶体，聚焦于晶胞原子数不超过12的简单结构，凭借对布里渊区精细采样的富集声子色散特征，成为评估ORB v3、MatterSim、MACE-MPA-0等前沿uMLIP在声子频率、态密度及热力学性质计算中精度的黄金标尺。通过将uMLIP预测与密度泛函理论计算结果进行统计学对比，研究者能够量化不同势函数的偏差模式，从而筛选出在声子模拟领域最可信赖的计算引擎。

解决学术问题

长期以来，基于第一性原理的声子计算虽精准可靠，却深陷计算成本高昂与专业门槛森严的泥沼，严重制约了振动谱学尤其是非弹性中子散射（INS）数据的实时解析与自主实验的推进。该数据库的革命性贡献在于，它系统性解决了‘uMLIP是否已成熟到足以替代DFT进行声子分析’这一核心学术难题。通过构建一个聚焦于小晶胞、简单结构但富含复杂声子色散特征的高质量基准集，研究揭示了多数早期uMLIP会系统性低估声子频率的顽疾，并验证了最新一代模型（如ORB v3与MatterSim）已能在粉末和单晶INS谱的模拟中达到接近DFT的保真度。这一发现不仅为评估深度学习势函数的物理可靠性树立了新标尺，更从根本上改变了振动光谱数据分析的范式，使得曾经需要数小时乃至数天的集群计算任务，能够压缩至秒级完成。

实际应用

该数据库在实际应用场景中的光芒，集中体现在对非弹性中子散射实验的实时分析与谱图诠释上。通过将经过数据库验证的顶尖uMLIP集成至INSPIRED软件这类具有图形界面的分析工具中，研究人员能够在实验进行的同时，快速模拟出与实测INS谱高度吻合的理论谱图，并立即完成峰位归属、振动模式识别及实验方向调整。从石墨这类简单相干散射体到Ba3ZnRu2O9这类复杂氧化物，从ZrH2这样的无机氢化物到ZIF-8金属有机框架，再到聚乙烯、甲苯等有机分子晶体，该数据库支撑的uMLIP方法均展现出了在秒级时间内复现实验谱细节的强大能力。这种‘在线式’的数据分析能力，彻底打破了传统DFT计算在时间维度上的桎梏，为自主实验平台的构筑奠定了关键基石。

数据集最近研究

最新研究方向

该数据集聚焦于无机晶体声子计算领域的前沿方向，通过构建包含近5000种晶体的高质量DFT声子数据库，系统评估了通用机器学习原子间势（uMLIPs）在非弹性中子散射（INS）实验数据实时分析中的性能。研究揭示了ORB v3、MatterSim等最新模型在声子色散和振动光谱模拟中逼近DFT精度的能力，尤其在半相干散射、含氢材料等复杂场景下展现出突破性潜力。这一成果推动了AI驱动下中子散射实验的变革性进展，使实时谱图解读与自主实验成为可能，为加速材料科学中的振动性质研究和热力学性质预测奠定了关键基础。

相关研究论文

• 通过

  橡树岭国家实验室（美国田纳西州橡树岭） · 2025年