表面能是晶体最重要的物理化学性质之一, 对于表面催化、表面吸附、外延生长、结晶形核、枝晶生长等具有十分重要的影响。快速计算和预测晶体表面能有助于加速催化、电池、合金等材料的设计和优化。本工作采用基于数据驱动的机器学习算法, 构建了晶体图卷积神经网络框架并应用于金属表面能预测, 实现了从晶体结构到表面能的快速准确预测。使用基于物理理论的将表面尺寸与晶体的原子以及成键特征相耦合的表面表示方法时, 模型表现最佳, 平均绝对误差值小于0.002 eV/?2。与第一性原理计算相比, 该框架计算时间缩短了约5个数量级。最后, 还进一步探讨了其在硅酸盐等复杂体系的普适性和未来的拓展方向, 以期为机器学习预测表面能的提供参考。

为国内科技工作者了解 2021年度国家自然科学基金“光学和光电子学”领域基础研究队伍、主要研究方向及项目立项资助等情况，对本年度 F05申请代码下的面上项目、青年科学基金项目、地区科学基金项目、重点项目、优秀青年科学基金项目和国家杰出青年科学基金项目等项目类型进行了统计与分析，给出了自然科学基金各类项目申请中涉及面最广的面上项目和青年科学基金项目申请与资助的依托单位、申请代码分布，介绍了本领域按科学问题属性分类的评审试点和 RCC评审机制试点工作，最后展望了领域若干发展动向。