通过理论预测指导实验合成,可以加快新材料的研发,对寻找新型功能材料具有重要的意义。单独依赖化学成分的晶体结构预测一直是理论固体物理、化学和材料科学的长期挑战之一。围绕这一问题,本文完善了一种预测晶体/表面/界面结构的自适应基因算法(AGA),总结了对材料结构和性质的计算研究,重点研究了 AGA在三元Li-Ni-B、Fe-Ni-B和非稀土磁性材料等体系中的应用,同时证明了 AGA能够准确预测晶体结构,并快速获取多组分体系中不同成分的结构和相稳定性。另外,本文还介绍了一种Li替换法研究NaFePO4正极材料复杂晶体结构方案。具体包含以下七章:第一章首先介绍了材料设计的范式以及晶体结构的重要概念,列举了过去二三十年广泛用于晶体结构预测的计算算法。其次,介绍了计算能量的两种方法:密度泛函理论和经验势,为本文的研究铺垫。在第二章中,重点介绍了 Kai-Ming Ho课题组开发的自适应基因算法以及由本人主导完善的固定对称性基因算法,AGA以自适应和迭代的方式将经典势的结构弛豫速度与密度泛函理论(DFT)的计算精度相结合,在保持DFT精度的同时,AGA 比完整的DFT GA快得多,并且提供了一个有用的工具来研究包含大量原子的复杂结构;随后介绍两种判断结构相似性的方法:原子团簇校正法和指纹函数法;还简要介绍了一些用到的机器学习的工具及方法;最后介绍了基于第一性原理计算判断结构稳定性的几种方法。在第三章中,介绍了利用AGA搜索具有不同基序的碱金属-过渡金属硼化物(A-T-B)新材料。稀土-过渡金属硼化物的结构多样性表明,A-T-B具有广阔的研究前景,有望展现出具有不同T-B骨架的各种晶体结构。另一方面,由于与A-T-B三元体系制备相关的综合性挑战,对A-T-B的研究严重欠缺。在本章中,通过计算发现了 Li-Ni-B三元体系中的几个新相(稳定相与能量较低的亚稳相)。新发现的LiNiB,Li2Ni3B和Li2NiB相扩展了现有的理论结构数据库,并重建了Li-Ni-B的凸包表面。通过AGA预测的具有层状基序的LiNiB结构被实验成功合成。根据电化学计算,LiNiB和另一种预测的层状Li2NiB化合物有作为锂电池负极材料的潜力。预测的Li2Ni3B(空间群P4332)立方结构具有扭曲的BNi6八面体单元,而且该结构与两个非中心对称超导体Li2Pd3B和Li2Pt3B同构。在第四章中,本文通过搜索Fe-Ni-B的组成空间,成功预测出能量上和动力学上都稳定的FeNiB2化合物。因为FeNiB2对外部扰动非常敏感,所以其属于材料的高响应状态类别。此状态还表现出高度的自旋涨落的特征,该自旋涨落强烈影响可能的磁长程和短程序。此外,本文证明了这种反铁磁主导的涨落可能导致自旋介导的超导。研究的结果为寻找强自旋涨落系统和相关的超导体提供了一条有希望的途径。在第五章中,利用先前开发的LiFePO4结构数据库,用Na替换Li扩展了NaFePO4体系的低能晶体结构数据库。同时,重新确定了已知的马里石型和橄榄石型NaFePO4相,并发现了一个能量介于前两者之间的未报道的相。在实验上,LiFePO4在锂离子电池中作为阴极非常成功,因为其橄榄石晶体结构在电池循环过程提供了稳定的框架。然而,在NaFePO4中,马里石相取代橄榄石相成为最稳定的相,而实验发现,在常规电池工作电压(0-4.5V)下,马里石相是电化学惰性的。另外,本文发现用Li部分取代Na可以稳定橄榄石结构,可能是改善NaFePO4阴极性能的一种方法。而且,橄榄石型LixNa1-xFePO4在有限温度下的热力学稳定性可以进一步提高。在第六章中,本文开发了一个开放获取数据库,该数据库提供了专门针对磁性化合物以及磁性团簇的大量数据集,其重点是不含稀土的磁性结构。可用的数据集包括(ⅰ)晶体学,(ⅱ)热力学性质(例如形成能)和(ⅲ)磁性材料设计必不可少的磁性能。数据库具有大量通过AGA搜索发现的稳定和亚稳结构。与现有的无稀土磁体和其他数据库中的理论结构相比,AGA发现的很多结构具有更好的磁性能。本数据库特别重视通过高通量第一性原理计算获得的特定位点的磁数据,这样的位点解析数据对于机器学习建模是必不可少的。另外,文中说明了数据密集型方法如何提高新型磁性材料实验发现的效率。本数据库提供了大量数据集,这些数据集将有助于有效的计算筛选、机器学习辅助设计以及新型有前途磁体的实验合成。在最后一章中,总结了博士期间的工作,并对以后的科研工作做了展望。