有机分子晶体结构预测方法及应用进展: 传统技术与机器学习的结合

赵成蹊, 陈林江（精准智能化学全国重点实验室, 中国科学技术大学）

摘要：晶体结构预测(crystal structure prediction, CSP)技术能够仅依赖分子式预测材料的晶体结构, 其在识别稳定结构和探索多晶型方面展现出独特的优势, 已成为材料科学、药物学等领域不可或缺的工具. 自20世纪末以来, CSP方法经历了从初期侧重技术实现的探索, 到逐步实现高通量精确计算的阶段, 并发展为一种能够全面探索高维势能面、精确排序分子晶体能量的综合性算法. 本文综述了有机分子CSP的主要方法及策略, 同时介绍了机器学习等新技术在CSP领域的引入和应用情况, 并讨论了这些技术展现出的巨大潜力. 本文旨在为读者提供全面、系统的CSP技术进展回顾, 探讨当前的应用现状与挑战, 并展望机器学习为该领域带来的新机遇, 促进CSP技术在多领域的深入应用和跨学科融合.

关键词：晶体结构预测, 机器学习, 多晶型, 理论计算化学