Upscaling DFT-trained machine-learning interatomic potential toward Quantum Monte Carlo accuracy: Sulfur-vacancy migration in monolayer MoS$_2$ as a testbed

ملخص تقني: رفع دقة نماذج التعلم الآلي للجهد البيني (MLIPs) المدربة بـ DFT نحو دقة QMC

بيان المشكلة
يعد النمذجة الدقيقة لأسطح طاقة الجهد (PES) أمراً بالغ الأهمية لمحاكاة العمليات المنشطة مثل انتشار الفجوات والتحولات الطورية. وبينما تتيح نماذج الجهد البيني المعتمدة على التعلم الآلي (MLIPs) أخذ عينات واسعة النطاق وحسابات الطاقة الحرة التي تستعصي على طرق المبادئ الأولى، إلا أن دقتها تظل محدودة بطبيعتها بالبيانات المرجعية المستخدمة للتدريب. فنماذج MLIP القياسية المدربة باستخدام نظرية الكثافة الوظيفية (DFT) تعيد إنتاج نتائج DFT، والتي غالباً ما تحتوي على انحيازات منهجية في ارتفاعات الحواجز وطاقات العيوب. وفي المقابل، توفر طرق مونت كارلو الكمية (QMC) طاقات ذات جودة مرجعية تقترب من الدقة الكيميائية، لكنها حالياً مكلفة للغاية لإجراء عمليات أخذ العينات المكثفة. علاوة على ذلك، فإن الحصول على قوى ذرية متقاربة من طرق مونت كارلو الكمية العشوائية (تحديداً طريقة الانتشار مونت كارلو ذات العقد الثابتة، FN-DMC) أصعب بكثير وأقل روتينية من حساب الطاقات، مما يخلق عقبة أمام تدريب نماذج MLIP عالية الدقة تعتمد على بيانات القوة.

المنهجية
يقترح المؤلفون استراتيجية تعلم متعددة الدقة (MFL) لرفع مستوى نموذج MLIP مدرب بـ DFT نحو دقة تقترب من QMC دون الحاجة إلى حسابات قوة مباشرة من QMC. تعتمد هذه المنهجية على مخطط ضبط دقيق (FT) جزئي التجميد على شبكة عصبية متساوية التناظر لنقل الرسائل (MACE). وتتكون المنهجية من ثلاثة مكونات أساسية:

1. توليد البيانات: تم توليد مجموعة بيانات تضم حوالي $10^3$ من التكوينات باستخدام الديناميكا الجزيئية المقيدة (MD) ومسارات "طريقة النبض المرن" (NEB) بناءً على نموذج MACE موجود مسبقاً ومدرب بـ DFT. تم حساب طاقات FN-DMC للنقاط المفردة لهذه التكوينات، بينما تم الاحتفاظ بالقوى الذرية من حسابات DFT الأساسية.
2. بنية الضبط الدقيق: قام المؤلفون بضبط طبقات "القراءة" (readout) فقط في نموذج MACE، وهي الطبقات التي تربط الميزات الثابتة المتعلمة بطاقات الذرة الواحدة. أما طبقات نقل الرسائل المتساوية التناظر، التي تشفر التمثيل الهندسي للبيئات المحلية ومجال القوة المتعلم من DFT، فقد ظلت مجمدة. وهذا يحافظ على الفيزياء الهيكلية النوعية المتعلمة من DFT مع السماح بإعادة معايرة رسم خرائط الطاقة لتتوافق مع أهداف QMC.
3. دالة الخسارة والقيود: تهدف دالة الخسية إلى تقليل حد أدنى يتضمن حد الخطأ التربيعي المتوسط (MSE) لطاقات FN-DMC وحد عقوبة عتبية للانحراف عن قوى خط الأساس لـ DFT.
   • يتم تعريف عقوبة القوة كالتالي: $FEt(F_{pred}, F_{DFT}) = \Theta(\|\Delta F\|^2 - t^2)(\|\Delta F\|^2 - t^2)^2$، حيث $t$ هو معامل العتبة (تم ضبطه عند 16 إلكترون فولت/أنغستروم).
   • يمنع هذا القيد النموذج من تطوير قوى غير فيزيائية أو انحرافات كبيرة عن ديناميكيات DFT المستقرة، بينما يسمح في الوقت نفسه بإزاحة مشهد الطاقة نحو دقة QMC.

المساهمات الرئيسية

• رفع المستوى المقيد بالقوة: يوضح البحث بروتوكولاً عملياً لتصحيح نماذج MLIP المدربة بـ DFT باستخدام طاقات QMC عالية المستوى وقوى DFT منخفضة المستوى، مما يتجنب الحاجة إلى حسابات قوة QMC المكلفة والمشوبة بالضجيج.
• استراتيجية التجميد الجزئي: من خلال تجميد طبقات نقل الرسائل وتحديث طبقات القراءة فقط، حافظ المؤلفون على استقرار مجال قوة DFT مع تحقيق طاقات بمستوى QMC.
• التحقق متعدد الدقة: تثبت الدراسة أن مجموعة بيانات محدودة من طاقات QMC (بواقع 37 عينة فقط) كافية لتحسين النموذج بشكل كبير، مع استقرار الأداء عند حوالي 500 عينة.

النتائج
تم اختبار الطريقة على هجرة فجوة الكبريت (S) في أحادي الطبقة من $MoS_2$.

• الطاقات: حقق نموذج MLIP المضبوط دقيقاً (FT-MLIP) دقة تقترب من QMC في حواجز الهجرة. بالنسبة للفجوة الأحادية، اختلف حاجز FT-MLIP (2.75 إلكترون فولت) بنحو 0.1 إلكترون فولت فقط عن نتيجة FN-DMC الصريحة (2.85 إلكترون فولت)، بينما كان نموذج DFT-MLIP الأساسي أقل بـ 0.55 إلكترون فولت.
• القوى: على الرغم من عدم التدريب على قوى QMC، أظهر FT-MLIP دقة محسنة في القوة. انخفض متوسط الخطأ المطلق (MAE) للقوى الذرية بالنسبة لمشتقات QMC من 220 ميلي إلكترون فولت/أنغستروم (DFT-MLIP) إلى 160 ميلي إلكترون فولت/أنغستروم (FT-MLIP).
• التعميم (خارج النطاق): نجح النموذج في التنبؤ بحواجز الهجرة للفجوات الثنائية والرباعية (اختبارات النقل) بانحرافات تتراوح بين 0.04 و0.15 إلكترون فولت فقط من حسابات FN-DMC الصريحة، وهو ما يتفوق بشكل كبير على خط أساس DFT.
• الطاقة الحرة: مكن هذا النهج من إجراء محاكاة تكامل ثيرموديناميكي واسعة النطاق لحساب حواجز الطاقة الحرة عند 300، 600، و900 كلفن، مما كشف أن تصحيحات الإنتروبيا الاهتزازية تضاهي في مقدارها تصحيحات طاقة QMC ويمكن أن تغير مواقع الحالة الانتقالية نوعياً.

الأهمية
يزعم المؤلفون أن هذا النهج يفتح المجال أمام عمليات المحاكاة واسعة النطاق ذات الجودة القريبة من QMC للأنظمة والتكوينات (مثل الخلايا الفائقة الكبيرة ذات العيوب المتعددة) التي يصعب الوصول إليها عبر طرق QMC المباشرة. توفر هذه الطريقة مقايضة محكومة بين تعلم تصحيحات الطاقة عالية المستوى والحفاظ على الاستقرار النوعي لمجال قوة DFT. ويؤكد المؤلفون أن هذه التقنية قابلة للتعميم على أنظمة أخرى حيث تؤثر الارتباطات الإلكترونية على الطاقات ولكنها لا تغير مشهد طاقة الجهد (PES) نوعياً، مما يوفر مساراً معقولاً حسابياً للوصول إلى محاكاة المواد ذات الجودة المرجعية.