Materials Genome Initiative (MGI) en National Materials Genome Project zijn in het afgelopen decennium gelanceerd door de Amerikaanse en Chinese overheid. Een van de belangrijkste doelen van deze missies is het vergemakkelijken van de identificatie van materiaalgegevens om de ontdekking en ontwikkeling van materiaal te versnellen. De huidige methoden zijn veelbelovende kandidaten om structuren effectief te identificeren, maar een beperkt vermogen hebben om nauwkeurig en automatisch om te gaan met alle constructies in de grote materialendatabase, omdat verschillende materiaalbronnen en verschillende meetfouten leiden tot variatie van bindingslengte en bindingshoek.

Feng Pan en zijn collega's, van de Peking University Shenzhen Graduate School, een nieuw paradigma voorstellen op basis van grafentheorie (GT-schema) om de efficiëntie en nauwkeurigheid van materiaalidentificatie te verbeteren, die zich richt op het verwerken van de "topologische relatie" in plaats van de waarde van bindingslengte en bindingshoek tussen verschillende structuren.

In GT-schema, de onderzoekers vereenvoudigen eerst kristalstructuren tot een grafiek, die alleen uit hoekpunten en randen bestaat, waarin atomen worden vereenvoudigd als hoekpunten en aangrenzende atomen met de feitelijke chemische bindingen zijn "verbonden" met randen. Als de topologische verbindingen in de vereenvoudigde grafieken tussen twee structuren isomorf zijn, de GT-regeling beschouwt ze als één structuur. Door deze methode te gebruiken, automatische ontdubbeling voor grote materialendatabase wordt voor het eerst bereikt, die 626 identificeert, 772 unieke structuren uit 865, 458 originele structuren.

Bovendien, het GT-schema is gewijzigd om een ​​aantal geavanceerde problemen op te lossen, zoals het identificeren van sterk vervormde structuren, het onderscheiden van structuren met sterke gelijkenis en het classificeren van complexe kristalstructuren in big data materialen. Vergeleken met de traditionele structuurchemiemethoden, de GT-regeling kan deze problemen veel gemakkelijker aanpakken, wat de efficiëntie en betrouwbaarheid van materiaalidentificatie verbetert.

Door deze kunstmatige intelligente techniek te gebruiken, de onderzoekers proberen een high-throughput berekening te realiseren, voorbereiding en detectie voor de materialendatabase. Het GT-schema ondermijnt de traditionele materiaalonderzoeksmethoden en versnelt de ontwikkeling op het gebied van materiaalonderzoek.