南京大學物理學院孫建教授和王慧田教授領導的研究團隊發展了機器學習加速晶體結構搜索的方法，並用其預測了一種超硬鎢氮化合物--目前為止發現的最硬過渡金屬氮化物。相關論文以封面文章發表於Science Bulletin 2018年第13期。
機器學習演算法在很多領域取得了令人矚目的進步，但在晶體結構預測方面的應用還有待發展。晶體結構搜索通常要處理大量的備選結構，若對每一個備選結構都進行第一性原理計算的話會耗費大量的計算資源。
南京大學物理學院的孫建課題組和王慧田課題組發展了一套機器學習加速晶體結構搜索的程式，用機器學習的方法擬合出一個模型，用這個模型先對備選晶體結構進行初篩，這樣可以有效提高晶體結構搜索的效率。
另一方面，過渡金屬輕元素化合物，特別是鎢氮化物因其具有很高的不可壓縮性和體彈模量，作為硬質材料得到了廣泛的研究。但目前人們還沒有發現超硬（維氏硬度超過40GPa）的鎢氮化合物。這可能是由於鎢氮化合物中過渡金屬原子的 d 電子能帶會穿過費米麵，使其具有金屬性，從而大大降低了材料的硬度。設計具有非金屬性的鎢氮化合物或許可能得到擁有超硬力學特性的新材料。
在前人研究基礎上，孫建課題組和王慧田課題組總結出了尋找超硬的過渡金屬輕元素化合物的三條線索：穩定或亞穩的晶體結構、非金屬性的電子結構以及高輕元素占比。這些線索啟發他們在富氮類鎢氮體系中去設計和尋找具備環、鏈、網格和框架等特殊氮原子基元構型的晶體。
利用上述設計思路和他們新發展的機器學習加速晶體結構搜索方法，他們成功設計出了一種非金屬性的富氮類鎢氮化合物h-WN6。它是由扶手椅狀的氮六元環和鎢原子形成的三明治結構。其電子局域分佈和成鍵特性分析表明h-WN6 是離子型晶體並具有方向性良好的強共價鍵。它是個小帶隙的間接能隙半導體，並且隨著壓力升高，其帶隙表現出反常的展開現象。
W-N相的晶體結構和理論計算的電子結構
理論計算表明h-WN6可以在高壓下合成同時在常壓下是亞穩的。令人驚奇的是，理論預測h-WN6 結構具有約 57GPa 的維氏硬度和 1,900K 的熔點，是目前為止最硬的過渡金屬氮化物。同時，它還具有很高的品質能量密度（3.1 kJ/g）和體積能量密度（28.0 kJ/cm3），是一種潛在的高能量密度材料。
該工作發展了機器學習加速晶體結構搜索的方法，總結了過渡金屬輕元素雜化超硬材料的設計思想，並在此基礎上預言了一種具有很好熱穩定性的超硬又高能量密度的鎢氮化合物。這可能激發人們去理論探索和實驗合成這類有潛在應用價值的材料，並且對於發展更高效的晶體結構搜索方法，驗證超硬材料的設計思想，擴充超硬材料家族以及研究硬度起源都有重要的科學意義。
