1月2日，國際權威期刊《自然通訊》（Nature Communications）在線發表了中南大學計算機學院王建新教授團隊的最新研究成果“基于電子構型的集成機器學習預測無機化合物的熱力學穩定性（Predicting thermodynamic stability of inorganic compounds using ensemble machine learning based on electron configuration）”。該研究提出了一種基于電子構型的新型機器學習框架，顯著提升了預測無機化合物穩定性的準確性和效率，為新材料的研發注入了強大動力。中南大學計算機學院博士生鄒浩為論文第一作者，王建新為論文唯一通訊作者，中南大學為第一署名單位。

從計算機芯片、電池到太陽能電池板，現代技術高度依賴無機化合物材料。然而，新材料的開發面臨巨大挑戰——材料需要具備熱力學穩定性，否則易于分解，難以長久存在，而尋找穩定的新材料往往需要數月甚至數年的實驗研究。現有的基于機器學習的材料穩定性預測方法，由于存在較強的歸納偏置，且缺乏對電子構型的深入理解，因此開發效率受到限制。

針對這一瓶頸，王建新團隊創新性地提出了一種基于電子構型的堆棧泛化模型（ECSG），并結合多個不同領域知識的附加模型，進一步增強了預測性能。該模型在預測公開標準材料數據庫（JARVIS）中的化合物穩定性時，準確率高達97%。同時，該模型大幅提高了樣本效率，僅需現有模型七分之一的數據量即可達到相同的預測精度。研究團隊利用該模型在超過400萬個雙鈣鈦礦氧化物候選材料中進行篩選，成功預測出35種新型穩定材料，其中25種已通過高精度的第一性原理計算驗證了其穩定性，開發效率是傳統試錯式方法的上百倍。

ECSG機器學習模型框架圖

該研究成果有望極大加速無機材料的研發進程，有效緩解目前材料開發效率相對滯后的困境，為發現高性能功能材料提供了工具。