Design Topological Materials by Reinforcement Fine-Tuned Generative Model

要約

トポロジカル絶縁体（TI）およびトポロジカル結晶絶縁体（TCI）は、型破りな電子特性を備えた材料であり、その発見は実用的なアプリケーションにとって非常に価値があります。
ただし、そのような材料、特にフルバンドギャップを持つ材料は希少なままです。
候補者の既知の材料をスキャンする従来のアプローチの限界を考えると、生成モデルを通じて新しいトポロジー材料の生成に焦点を当てます。
具体的には、事前に訓練された生成モデルに強化微調整（REFT）を適用し、それにより、モデルの目標を材料設計目標に合わせます。
REFTは、生成された材料の安定性の妥協を最小限に抑えて、TISとTCIを生成するモデルの能力を高めるのに効果的であることを実証します。
微調整されたモデルを使用して、Ge $ _2 $ _2 $ _2 $ o $ _6 $が代表的な例として機能する多数の新しいトポロジ材料を正常に識別します。

要約(オリジナル)

Topological insulators (TIs) and topological crystalline insulators (TCIs) are materials with unconventional electronic properties, making their discovery highly valuable for practical applications. However, such materials, particularly those with a full band gap, remain scarce. Given the limitations of traditional approaches that scan known materials for candidates, we focus on the generation of new topological materials through a generative model. Specifically, we apply reinforcement fine-tuning (ReFT) to a pre-trained generative model, thereby aligning the model’s objectives with our material design goals. We demonstrate that ReFT is effective in enhancing the model’s ability to generate TIs and TCIs, with minimal compromise on the stability of the generated materials. Using the fine-tuned model, we successfully identify a large number of new topological materials, with Ge$_2$Bi$_2$O$_6$ serving as a representative example–a TI with a full band gap of 0.26 eV, ranking among the largest known in this category.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google