基于图生成模型的拓扑材料设计结题报告.docVIP

基于图生成模型的拓扑材料设计结题报告

一、研究背景与问题提出

拓扑材料是一类具有独特电子结构的量子材料，其电子态受拓扑保护，表现出表面态、边缘态等奇异物理特性，在低功耗电子器件、量子计算、自旋电子学等领域具有广阔的应用前景。传统的拓扑材料设计主要依赖于理论计算与实验试错相结合的方式，然而这种方法存在效率低下、成本高昂的问题。随着材料基因组学的发展，高通量计算与机器学习方法逐渐被应用于材料设计领域，但大多数方法仍基于传统的特征工程，难以有效捕捉材料原子结构与电子性质之间的复杂关联。

图生成模型作为一种新兴的深度学习方法，能够直接以图结构的形式对材料的原子排列进行建模，通过学习大量已知材料的结构与性质数据，自动生成具有目标性质的新材料结构。本研究旨在探索图生成模型在拓扑材料设计中的应用，突破传统方法的局限，实现高效、精准的拓扑材料逆向设计。

二、研究目标与内容

（一）研究目标

构建适用于拓扑材料的图生成模型，实现从拓扑性质到材料原子结构的逆向设计。

开发基于图生成模型的拓扑材料设计平台，为实验研究提供候选材料结构。

通过实验验证部分生成材料的拓扑性质，验证模型的可靠性与实用性。

（二）研究内容

拓扑材料数据集构建收集并整理已报道的拓扑材料数据，包括晶体结构、电子结构、拓扑性质等信息。对数据进行清洗与标准化处理，构建包含多种拓扑材料类型（如拓扑绝缘体、拓扑半金属、拓扑超导体等）的高质量数