利物浦大学、布里斯托大学、伦敦大学学院(UCL)和DiamondLightSource的研究人员通过将机器学习理论方法与实验结果相结合，对氧化镓有了新的认识。

在发表在《先进材料》杂志上的一篇论文中，研究人员结合了理论方法和机器学习技术来确定氧化镓的关键特性，这种材料在电力电子和日盲光电探测器中具有广阔的应用前景。

由于其固有的无序和由此产生的复杂结构-电子结构关系，氧化镓在合成、表征和理论方面提出了特殊挑战。

它有五种相或晶体结构：α、β、γ、δ和ε。伽马相最初被怀疑存在于1939年，但直到2013年，当使用中子衍射发现其结构的更多细节时，它仍然难以捉摸。它有四个不等价的镓晶格位点，部分地被占据在一个固有的无序结构中，因此尽管它看似简单的立方对称，但实际上非常复杂。大量可能的晶体结构使传统的理论方法变得不可能。

该研究的主要作者、布里斯托大学计算化学中心的LauraRatcliff博士说：“为了应对开发稳健的原子模型的挑战，将第一性原理计算与机器学习相结合，在160-原子细胞。预测的低能量配置很好地描述了实验数据，而高能量配置发现了明显的偏差，证实这些不是对γ-氧化镓无序的真实描述。”

UCL化学系的AnnaRegoutz博士说：“我们来自钻石光源和世界各地合作者的数据对于验证理论发现至关重要。”

利物浦大学材料物理学教授TimVeal补充说：“详细了解结构无序对γ-氧化镓电子结构的影响对于为这种材料和其他无序材料提供坚实的知识库至关重要。这可以进一步优化和实施该材料和相关材料的不同应用。”

从事这项研究的利物浦大学物理系和斯蒂芬森可再生能源研究所的博士生LeanneJones博士说：“这项研究解决了我们对这种材料的理解方面的空白，并将帮助γ-氧化镓发挥其应用潜力。”