Systematic Fine-Tuning of MACE Interatomic Potentials for Catalysis

ملخص تقني: الضبط الدقيق المنهجي لجهود التفاعل بين الذرات من نوع MACE في مجال الحفز الكيميائي

بيان المشكلة
يتطلب التنبؤ الدقيق بمسارات التفاعلات الحفزية تحديد كميتين رئيسيتين: طاقات التفاعل ($E_r$) وحواجز طاقة التنشيط ($E_a$). وبينما تُعد نظرية وظيفية الكثافة (DFT) هي المعيار لهذه الحسابات، إلا أنها تصبح مكلفة حاسوبياً للتركيبات المعقدة من المحفز والمواد الممتزة التي تشمل مواقع ارتباط متنوعة، وحالات عيوب، واضطراب سطحي. توفر جهود التفاعل بين الذرات المستندة إلى التعلم الآلي (MLIPs) حلاً لذلك، حيث توفر دقة بمستوى نظرية DFT بتكلفة حاسوبية أقل بكثير. ومع ذلك، يعتمد أداء هذه الجهود بشكل كبير على بناء مجموعات التدريب الخاصة بها. غالباً ما تتطلب استراتيجيات التدريب "من الصفر" (FS) الحالية أخذ عينات واسعة ومتنوعة (مثل الديناميكا الجزيئية، أو استكشاف الخطوط الكنتورية) لالتقاط أحداث كسر الروابط والتكوينات عالية الطاقة اللازمة للتنبؤ الدقيق بالحواجز. وفي المقابل، لا تزال فعالية الضبط الدقيق (FT) للنماذج التأسيسية الضخمة (مثل MACE-MH-1) لتطبيقات حفزية محددة غير مستكشفة بشكل كافٍ، لا سيما فيما يتعلق بحساسيتها لتنوع مجموعة التدريب وقدرتها على التعميم على التفاعلات خارج نطاق التوزيع (OOD).

المنهجية
قارن المؤلفون بشكل منهجي بين 9 من نماذج MACE القائمة على جهود التفاعل بين الذرات باستخدام استراتيجيتين مختلفتين للتدريب:

1. التدريب من الصفر (FS): تم تدريب النماذج من تهيئة عشوائية على مجموعات فرعية متفاوتة من البيانات، بما في ذلك:
   • مسارات الاسترخاء (التكوينات منخفضة الطاقة).
   • تكوينات الديناميكا الجزيئية (MD) (التقلبات الحرارية).
   • تكوينات استكشاف الخطوط الكنتورية (CE) (الأحداث عالية الطاقة وكسر الروابط التي يتم إنشاؤها عبر تتبع خطوط طاقة الوضع بدلاً من التدرجات).
2. التدريب بالضبط الدقيق (FT): بدأت النماذج من النموذج التأسيسي المسبق التدريب MACE-MH-1. تم استخدام استراتيجية إعادة تشغيل متعددة الرؤوس لمنع النسيان الكارثي، باستخدام "رأس إعادة تشغيل" تم تدريبه على 30,000 تكوين من مجموعة بيانات OMAT، ورأس ثانٍ تم تدريبه على مجموعات بيانات حفزية محددة (معدنية، أو أكاسيد معدنية، أو مختلطة).

تم تقييم النماذج على مجموعة اختبار متنوعة تضم 141 تفاعلاً كيميائياً، تشمل:

• المحفزات المعدنية: اختزال $CO_2$ إلى منتجات $C_2$ و $C_3$، ونزع الهيدروجين من البروبان، وتداخل الهيدروجين في البالاديوم.
• محفزات الأكاسيد المعدنية: تفاعل تطور الأكسجين (OER) على تعدد أشكال أكسيد الإريديوم.
• اختبارات خارج نطاق التوزيع (OOD): تطبيق النماذج المدربة على المحفزات المعدنية على تفاعلات الأكاسيد المعدنية والعكس صحيح.
• الفحص عالي الإنتاجية: التنبؤ بطاقات الامتزاز لـ 90,781 تكويناً على سبائك المعادن الانتقالية الثنائية ذات مؤشرات ميلر غير المرئية.

المساهمات والنتائج الرئيسية

• متطلبات مجموعة التدريب لنماذج FS: تثبت الدراسة أن نماذج FS المدربة فقط على مسارات الاسترخاء تؤدي أداءً ضعيفاً في التنبؤ بالحواجز. إن دمج 5% إلى 10% من التكوينات المضطربة وعالية الطاقة من MD أو CE يقلل الأخطاء بشكل كبير. وتحديداً، حقق نموذج FS المعزز بتكوينات CE (وهو FS-All) متوسط خطأ مطلق ($E_a$ MAE) قدره 0.175 إلكترون فولت للمحفزات المعدنية، وهو تحسن جوهري مقارنة بالنماذج المدربة فقط على بيانات الاسترخاء.
• تفوق الضبط الدقيق: أظهرت نماذج FT متانة مع مجموعات بيانات أصغر وحساسية أقل لتقنيات أخذ العينات المحددة.
  • حقق نموذج FT المضبط بدقة على المحفزات المعدنية (FT-All) متوسط خطأ مطلق ($E_r$ MAE) قدره 0.141 إلكترون فولت لمسار $CHCOH^*$ في اختزال $CO_2$، متفوقاً على أفضل نموذج FS (0.251 إلكترون فولت).
  • بالنسبة لتفاعل OER على أكاسيد الإريديوم، حقق نموذج FT-All متوسط خطأ مطلق قدره 0.278 إلكترون فولت، وهو أقل بكثير من أفضل نموذج FS (0.384 إلكترون فولت) ومن النموذج الأساسي MACE-MH-1 (0.384 إلكترون فولت).
• التعميم عبر الأنظمة: أظهرت نماذج FT قدرة ملحوءة على النقل. فالنموذج الذي تم ضبطه بدقة حصرياً على المحفزات المعدنية (بدون بيانات الأكاسيد المعدنية) نجح في التنبؤ بخطوات OER على تعدد أشكال الأكاسيد المعدنية بمتوسط خطأ مطلق قدره 0.305 إلكترون فولت. وعلى العكس من ذلك، أدت النماذج المضبطة على الأكاسيد المعدنية أداءً جيداً في حسابات NEB للمحفزات المعدنية. يشير هذا إلى أن النموذج التأسيسي المسبق التدريب يحتوي بالفعل على معرفة كيميائية كافية، وأن الضبط الدقيق على مجموعة فرعية محددة (حتى بدون أحداث كسر روابط صريحة في المجال المستهدف) كافٍ للأداء القوي.
• الفحص عالي الإنتاجية: تم استخدام أكبر نموذج FT (المدرب على 49,860 تكويناً) لفحص 90,781 طاقة امتزاز على سبائك ثنائية المعدن. حقق متوسط خطأ مطلق إجمالي قدره 0.15 إلكترون فولت، حتى بالنسبة للمواد الممتزة على أسطح عالية المؤشر غير مرئية (مثل أوجه (532))، مما يثبت فائدته للاكتشاف السريع للمحفزات.

الأهمية والادعاءات
يزعم المؤلفون أن هذا العمل يحدد التكوينات اللازمة لمجموعات التدريب لكل من نهجي FS و FT، مما يسلط الضوء على تحول في استراتيجية تطوير جهود التفاعل بين الذرات (MLIPs) للحفز. تكمن الأهمية الأساسية في إثبات أن الضبط الدقيق للنماذج التأسيسية الضخمة هو مسار أكثر كفاءة ودقة من التدريب من الصفر لتطبيقات الحفز.

وتشمل الادعاءات الرئيسية ما يلي:

1. الكفاءة: يمكن لنماذج FT تحقيق دقة تضاهي أحدث ما توصل إليه العلم باستخدام مجموعات بيانات أصغر بكثير مقارنة بنماذج FS، مما يقلل التكلفة الحاسوبية لتوليد بيانات التدريب.
2. القدرة على التعميم: يمكن لنماذج FT المدربة على فئة واحدة من المحفزات (مثل المعادن) التنبؤ بفعالية بالتفاعلات على فئة أخرى (مثل الأكاسيد المعدنية)، بشرط أن يكون النموذج التأسيسي قد تم تدريبه مسبقاً على مجموعة بيانات متنوعة.
3. المتانة: على عكس نماذج FS، التي تتطلب تضمناً صريحاً لأحداث كسر الروابط (عبر CE أو MD) للتنبؤ بالحواجز بدقة، تستفيد نماذج FT من المعرفة الكيميائية الموجودة مسبقاً في النموذج التأسيدي للتعامل مع التفاعلات خارج نطاق التوزيع (OOD) والبحث عن حالات الانتقال دون الحاجة لتقنيات أخذ عينات متخصصة.

تخلص الورقة إلى أنه بينما تتطلب نماذج FS تكوينات متنوعة وعالية الطاقة لتقليل الأخطاء، فإن نماذج FT تقدم حلاً أكثر عمومية ودقة لفحص التفاعلات الحفزية عبر الأنظمة المعدنية وأنظمة الأكاسيد المعدنية.