MBD-ML: Many-body dispersion from machine learning for molecules and materials

ملخص تقني لورقة بحثية بعنوان: "MBD-ML: تشتت الأجسام المتعددة باستخدام التعلم الآلي للجزيئات والمواد"

1. بيان المشكلة

تعد تفاعلات تشتت فان دير فالس (vdW) بالغة الأهمية لوصف البلورات الجزيئية، والمادة المكثفة، والأنظمة البيولوجية بدقة. وبين أن نظرية وظيفية الكثافة (DFT) هي المعيار المتبع في المحاكاة الذرية، فإن معظم الدوال المستخدمة على نطاق واسع تفتقر إلى تشتت المدى البعيد.

• الفجوة: توفر طريقة تشتت الأجسام المتعددة (MBD) (وتحديداً صيغة MBD-NL التي تمثل أحدث ما توصل إليه العلم) دقة عالية من خلال التقاط تأثيرات الأجسام المتعددة الجماعية وتباين الخواص الاستقطابية، مما يجعلها تتفوق على الطرق الإضافية الزوجية مثل DFT-D3/D4.
• العقبة: تتطلب طريقة MBD-NL التقليدية حسابات البنية الإلكترونية (DFT) لتحديد القابلية للاستقطاب الذري ($\alpha_0$) ومعاملات التشتت ($C_6$) المعتمدة على البيئة لكل نظام. هذا الاعتماد على DFT يجعل MBD-NL مكلفة حاسوبياً وغير عملية للمحاكاة واسعة النطاق، أو المسح عالي الإنتاجية، أو التكامل في حقول القوة المستندة إلى التعلم الآلي (MLFFs) حيث لا يتم حساب درجات الحرية الإلكترونية صراحةً.

2. المنهجية: إطار عمل MBD-ML

قدم المؤلفون إطار عمل MBD-ML، الذي يفصل حسابات MBD عن أكواد البنية الإلكترونية عن طريق التنبؤ بالمدخلات الذرية اللازمة مباشرة من الهندسة الهيكلية.

• المتغيرات المستهدفة: بدلاً من التنبؤ بالطاقات الكلية أو القوى مباشرة، يتنبأ النموذج بنسب عديمة الوحدات للخصائص الذرية:
  • $\alpha^r_0 = \alpha^{VV}_0 / \alpha^{VV,free}_0$ (نسبة القابلية للاستقطاب VV إلى المرجع للذرة الحرة).
  • $C^r_6 = C^{VV}_6 / C^{VV,free}_6$ (نسبة معامل تشتت $C_6$ لـ VV إلى المرجع للذرة الحرة).
  • هذه النسب محصورة عادةً في النطاق $0-2$، مما يجعلها أهدافاً مثالية للتعلم الآلي مقارنة بالمعاملات الخام التي تتباين بشدة عبر الجدول الدوري.
• البنية الهيكلية: يستخدم النموذج SO3krates، وهو شبكة عصبية تمرير رسائل (MPNN) متساوية الخواص.
  • المدخلات: المواقع الذرية ($R$)، الأعداد الذرية ($Z$)، الشحنة الكلية ($Q$)، واللف المغزلي ($S$).
  • التكوين: طبقتان من تمرير الرسائل مع نصف قطر قطع قدره 4 أنجستروم، مما ينتج عنه مجال استقبال فعال قدره 8 أنجستروم.
• بيانات التدريب: تم تدريب النموذج على مجموعة بيانات QCML (33.5 مليون جزيء) عند مستوى النظرية PBE0+MBD-NL. تغطي هذه المجموعة 79 عنصراً كيميائياً وبيئات كيميائية متنوعة.
• التكامل: يتم دمج النموذج المدرب في مكتبة libMBD (عبر واجهة pymbd بلغة بايثون). يتنبأ النموذج بالنسب، والتي تُضرب بعد ذلك في قيم المرجع للذرات الحرة لإعادة بناء $\alpha_0$ و $C_6$. تغذي هذه المعاملات هاملتوني MBD القياسي لحساب الطاقات الكلية، والقوى، وموترات الإجهاد دون أي حسابات DFT.

3. المساهمات الرئيسية

1. أول متنبئ MBD يعتمد على التعلم الآلي: تطوير شبكة عصبية مدربة مسبقاً تتنبأ بمدخلات MBD-NL الذرية مباشرة من الهياكل الذرية، مما يلغي الحاجة إلى حسابات البنية الإلكترونية الوسيطة.
2. تكامل سلس: الربط المباشر مع بنية libMBD، مما يسمح باستخدام MBD-ML كبديل مباشر لـ MBD القائم على المبادئ الأولية (ab initio) في أي كود يدعم واجهة libMBD (مثل ASE، وQuantum Espresso، وVASP).
3. قابلية تطبيق واسعة: على عكس محاولات MBD السابقة المحدودة بالجزيئات العضوية الصغيرة، تم التحقق من صحة MBD-ML على أنظمة تشمل أكثر من 70 عنصراً، بما في ذلك الديمرات الجزيئية، والجزيئات العضوية الكبيرة، والبلورات غير العضوية.
4. الكفاءة: يزيل عقبة التكلفة الحاسوبية لبارامترات DFT، مما يقلل تكلفة حسابات MBD إلى تكلفة استدلال الشبكة العصبية متبوعة بقطر المصفوفة.

4. النتائج والأداء

الدقة:

• النسب: حقق أدنى قيم لخطأ جذر متوسط المربع (RMSE) لـ $\alpha^r_0$ (0.020) و $C^r_6$ (0.023) على مجموعة اختبار QCML.
• الطاقات والقوى:
  • الجزيئات: أخطاء أقل من ميلي إلكترون فولت في مساهمات طاقة MBD (0.23 meV/atom) والقوى (0.44 meV/Å).
  • البلورات الجزيئية (OMC25): أخطاء الطاقة ضمن ~0.8 meV/atom وأخطاء القوة ضمن ~0.9 meV/Å.
  • موترات الإجهاد: دقة عالية في التنبؤ بمكونات الإجهاد (RMSE ~0.14 meV/ų).
• ترتيب المتعددات الشكلية (Polymorph): نجح في إعادة إنتاج ترتيب طاقة المتعددات الشكلية للبلورات الجزيئية (مثل الأسبرين، والبنتاسين) بأخطاء أقل من 0.6 كيلو جول/مول، حيث حدد الأشكال المستقرة بشكل صحيح في 7 من أصل 9 حالات انتقالية مختبرة.
• المقارنة مع الطرق الزوجية: أظهرت قوى MBD-ML توافقاً أفضل بكثير مع مراجع MBD-NL مقارنة بـ DFT-D3 أو DFT-D4. أظهرت D3 وD4 انحرافات في المقدار أكبر بـ 10 أضعاف وانحرافات زاوية كبيرة، مما يسلط الض الضوء على ضرورة تأثيرات الأجسام المتعددة.

القيود:

• المواد غير العضوية: يتدهور الأداء في المواد غير العضوية (مجموعة بيانات OMat24) بسبب نقص بيانات التدريب التمثيلية (QCML تركز على المواد العضوية). كانت أخطاء النسب أعلى بـ 10-20 مرة، مما أدى إلى نتائج غير فيزيائية لبعض المواد.
• معادن القلويات والأتربة القلوية: ممثلة بشكل ناقص في مجموعة التدريب، مما أدى إلى انخفاض الدقة للأنظمة التي تحتوي على Li، Na، K، Be، Mg، Ca.
• الأيونات السالبة: أظهرت الجزيئات المشحونة سلبياً ذات الإلكترونات غير المرتبطة (الأيونات غير المستقرة ديناميكياً حرارياً) سلوكاً مرضياً بسبب حساسية دالة VV الأساسية لذيول الكثافة الإلكترونية. وقد تم استبعادها من التحقق النهائي.

التدرج الحاسوبي:

• خطوة التنبؤ بالنسبة (استدلال ML) تتدرج تقريباً بمقدار $O(N^{1.6})$ للأنظمة الكبيرة.
• حساب طاقة/قوة MBD اللاحق يتدرج بمقدار $O(N^3)$ ولكنه سريع للغاية مقارنة بـ DFT.
• المعيار المرجعي: بالنسبة لتجمع جزيئات الماء المكون من 13,000 ذرة، استغرق حساب MBD-ML الإجمالي حوالي 196 ثانية، وهي مهمة كانت غير عملية سابقاً باستخدام DFT القياسي.

5. الأهمية

يمثل MBD-ML تحولاً جذرياً في نمذجة تفاعلات فان دير فالس:

• دمقرطة MBD: يجعل طريقة MBD-NL عالية الدقة متاحة للمحاكاة واسعة النطاق للديناميكا الجزيئية، واكتشاف المواد عالي الإنتاجية، وتدريب حقول القوة المعتمدة على التعلم الآلي، حيث تكون DFT مكلفة للغاية.
• الدقة مقابل التكلفة: يجسّر الفجوة بين الدقة العالية لفيزياء الأجسام المتعددة والتكلفة المنخفضة للطرق التجريبية/التعلم الآلي.
• التأثير المستقبلي: من خلال تمكين تصحيحات التشتت الدقيقة في حقول القوة المعتمدة على التعلم الآلي والمحاكاة واسعة النطاق، فإنه يسهل التنبؤات الأكثر موثوقية للظواهر المعقدة مثل طي البروتينات، وتعدد الأشكال البلورية، وسلوك المواد الطبقية.

يخلص المؤلفون إلى أنه بينما تبرز الحاجة لمزيد من بيانات التدريب للأنظمة غير العضوية ومجموعات معدنية محددة، فإن MBD-ML يعد أداة قوية، وقابلة للنقل، وضرورية للجيل القادم من المحاكاة الذرية.