编辑丨
材料科学领域中，碳因其sp、sp²、sp³三种杂化方式的自由组合，理论上可形成近乎无限的结构空间，但人类已发现的仅是极小部分。
西安交通大学研究团队突破传统方法，构建以大语言模型（LLM）为核心的闭环框架，推动AI从筛选结构转向主动生成新材料，结合物理约束实现快速验证，系统性拓展碳同素异形体边界。该成果于2026年3月9日发表在《Applied Physics Letters》，揭示多种新型碳材料，包括硬度超金刚石的「C16_3」超硬相，以及具有极端热导各向异性的「炔-金刚石C12」和「炔-六方金刚石C8」。
CrystaLLM驱动的双循环框架
传统碳结构发现依赖第一性原理计算与结构枚举，面临可能结构数量天文数字的挑战。研究团队创新性整合CrystaLLM与机器学习势能（MLP），建立双循环主动学习机制：
生成循环
利用CrystaLLM生成候选碳结构（单晶胞≤100原子），通过PINK代码快速估算热导率，结合Phonopy与MLP进行动力学稳定性初筛。
迭代反馈循环
基于神经进化潜能（NEP）架构构建通用MLP，覆盖从C₆₀富勒烯到一维碳链、二维石墨烯、三维金刚石的全谱系训练集。该MLP在能量、应力及原子力预测上达到DFT级精度，压力测试区间达-400 GPa至1000 GPa，可精准捕捉sp/sp²/sp³杂化态下的晶格动力学行为。
图1：AI驱动材料发现双循环工作流程示意图
图2：碳机器学习势能训练数据集覆盖全尺度结构特征
新型碳材料发现与特性
框架筛选数千候选结构，锁定多类动力学稳定新相：
超硬相C16_3
维氏硬度103.3 GPa（超金刚石96 GPa），具备新型超硬材料应用潜力。
炔-金刚石系列
通过sp杂化碳链嵌入金刚石键形成，展现极端热导各向异性——轴向高导热与平面内低导热特性，适用于定向散热及柔性热界面材料。
sp-sp²-sp³杂化C12
三态共存结构，sp-sp²网络赋予金属导电性，同时呈现负泊松比特性。虽仅稳定至100K，但为多功能材料设计提供新思路。
图3：新型同素异形体结构特征与电荷分布
可制造性验证与前景
计算表明，新型碳相稳定性与已合成富勒烯相当，部分可通过现有化学方法构建，致密高硬相或可通过高压压缩实现。该「LLM生成+MLP评估+主动学习」框架不仅适用于碳体系，亦可推广至其他元素材料创新，为材料科学开辟新路径。