PASS: Perturbation augmented space group structure sampling for transferable Fe-O machine learning interatomic potential
تقدم هذه الورقة طريقة أخذ عينات بنية مجموعة الفضاء المعززة بالاضطراب (PASS) لإنشاء مجموعة بيانات تمثيلية لتدريب جهد بيني ذري لتعلم الآلة، يكون قابلاً للنقل ودقيقاً وفعالاً من الناحية الحسابية بناءً على إطار توسيع العنقود الذري، والذي نجح في نمذجة الديناميكيات التفاعلية المعقدة لأكسدة الحديد عبر الأنظمة الحجمية والسطحية والواجهية.
إن صدأ الحديد عملية نراها كل يوم، وهو تحول بطيء حيث يلتقي المعدن بالهواء ويتحول تدريجياً إلى قشرة حمراء هشة. وبينما تبدو هذه الظاهرة بسيطة في ظاهرها، إلا أن العالم الذري الكامن تحتها هو مشهد فوضوي ومعقد. فعندما تتفاعل ذرات الحديد مع الأكسجين، فهي لا تظل ساكنة فحسب؛ بل تعيد التشكيل، والترابط، والترتيب في هياكل بلورية مختلفة، بعضها مغناطيسي والبعض الآخر غير مغناطيسي. لطالما أراد العلماء محاكاة هذه العملية على الكمبيوتر لفهم كيفية تشكل الصدأ بالضبط، وكيف ينتشر، وكيفية إيقافه. وللقيام بذلك، يحتاجون إلى مجموعة من القواعد، تُعرف باسم "الجهد بين الذرات" (interatomic potential)، والتي تخبر الكمبيوتر بكيفية تصرف كل ذرة حديد وأكسجين عندما تصطدم ببعضها البعض. وكان التحدي دائماً يكمن في أن الحديد والأكسجين يمكنهما تكوين أنواع عديدة من الهياكل، وأن إنشاء مجموعة واحدة من القواعد التي تعمل لجميع هذه الأنواع دون أن تنهار كان أمراً مستحيلاً تقريباً.
لسنوات، حاول الباحثون بناء هذه القواعد يدوياً، عبر تخمين الترتيبات الذرية التي قد تحدث أثناء الصدأ، أو عبر ترك الحواسيب تبحث عنها واحدة تلو الأخرى، وهي عملية بطيئة ومكلفة. لكن دراسة جديدة أجراها زيكسيونغ وي، وفي شوانغ، وبولومي دي في جامعة دلفت للتكنولوجيا، تقدم مساراً مختلفاً. فقد طوروا طريقة تسمى PASS، وهي اختصار لـ "أخذ عينات بنية مجموعات الفضاء المعززة بالاضطراب" (Perturbation Augmented Space Group structure Sampling). فبدلاً من التخمين أو البحث اللامتناهي، تبدأ هذه الطة بمكتبة تضم جميع الأنماط الهندسية الممكنة التي يمكن أن تشكلها ذرات الحديد والأكسجين، والمعروفة باسم "مجموعات الفضاء" (space groups). ثم يقوم الباحثون بأخذ هذه الأنماط وهزها ومدها بشكل منهجي، مما ينتج عنه آلاف النسخ المشوهة قليلاً. وتولد هذه العملية مجموعة واسعة من اللقطات الذرية التي تغطي الهياكل المستقرة والحالات غير المستقرة الفوضوية التي تحدث عندما تتحرك الذرات أو تتفاعل. ومن خلال تغذية هذه المجموعة المتنوعة في نظام تعلم آلي، درب الفريق نموذجاً حاسوبياً جديداً يمكنه التنبؤ بكيفية تفاعل الحديد والأكسجين بدقة عالية.
اختبر الباحثون هذا النموذج الجديد على نطاق واسع من السيناريوهات لمعرفة ما إذا كان بإمكانه التعامل مع تعقيدات الصدأ في العالم الحقيقي. فقد تحققوا مما إذا كان بإمكحه التنبؤ بشكل صحيح بخصائص الحديد النقي، بما في ذلك كيفية تمدده عند التسخين وكيفية تكسره تحت الضغط. كما اختبروه على مختلف أكاسيد الحديد، وهي المركبات الكيميائية المختلفة التي يتكون منها الصدأ، مثل أكسيد الحديد الأحمر الموجود في الهيماتيت، والأكسيد الأسود المغناطيسي الموجود في الماجنتيت. وعلى الرغم من أن النموذج تم تدريبه فقط على عناقيد ذرية صغيرة تحتوي على أقل من عشر ذرات، إلا أنه أثبت قدرته على وصف هياكل أكبر وأكثر تعقيداً، بما في ذلك الأسطح حيث يبدأ الصدأ في التكون، والواجهات حيث يلتقي المعدن بالأكسيد. وقد نجح النموذج في التنبؤ بكيفية ذوبان ذرات الأكسجين في الحديد وكيفية حركتها عبر المعدن، مطابِقاً النتائج المستمدة من الحسابات عالية الدقة والتجارب الواقعية.
ولإثبات أن طريقتهم نجحت في الجزء الأكثر صعوبة من المشكلة، استخدم الفريق نموذجهم الجديد لمحاكاة حدث أكسدة واسع النطاق. فقد أنشأوا كتلة افتراضية من الحديد وعرضوا سطحها للأكسجين عند درجة حرارة عالية تبلغ 873 كلفن. استمرت المحاكاة لمدة نانو ثانية واحدة، وهي جزء ضئيل جداً من الثانية، لكنها كانت كافية لتعيد الذرات ترتيب نفسها. وكانت النتيجة هي تشكل طبقة أكسيد واضحة على السطح. أظهر النموذج أن ذرات الأكسجين انتشرت نحو الداخل، مما خلق منطقة متميزة حيث يختلط الحديد والأكسجين بكميات متساوية تقريباً. امتلكت هذه الطبقة الجديدة بنية مشابهة جداً لـ "الوستيت" (wüstite)، وهو نوع محدد من أكسيد الحديد يتكون عند درجات الحرارة العالية. لقد التقطت المحاكاة العملية بأكملها، بدءاً من الامتصاص الأولي للأكسجين على السطح وصولاً إلى نمو طبقة الأكسيد وانتشار الذرات داخل معدن الكتلة، وكل ذلك دون أن يتم تعليم النموذج صراحةً كيف يبدو شكل الصدأ.
يُظهر هذا العمل أنه من الممكن إنشاء مجموعة قواعد موثوقة وعالمية للحديد والأكسجين من خلال التدريب على عينات صغيرة تم توليدها بشكل منهجي، بدلاً من محاولة تصميم كل سيناريو محتمل يدوياً. إن النموذج الجديد ليس مثالياً؛ فهو لا يأخذ في الاعتبار صراحةً الخصائص المغناطيسية للذرات، والتي يمكن أن تؤثر على سلوكها في ظروف معينة. ومع ذلك، فإنه يوفر أداة قوية وعملية لدراسة المراحل الأولى من التآكل ونمو طبقات الأكسيد. ومن خلال إظهار أن نموذجاً تم تدريبه على هياكل صغيرة مضطربة يمكنه التنبؤ بدقة بسلوك الأنظمة الكبيرة والمتطورة، فقد فتح الباحثون باباً لمحاكاة أكثر كفاءة ودقة للتفاعلات الكيميائية. ويشير هذا النهج إلى أن مفتاح فهم التغيرات المادية المعقدة لا يكمل في بناء نماذج أكبر من البداية، بل في تعليم الكمبيوتر التعرف على الأنماط الأساسية للترتيب الذري من خلال أخذ عينات شاملة ومنهجية للاحتمالات.
ملخص تقني: منهجية PASS: أخذ عينات بنية مجموعة الفراغ المعززة بالاضطراب من أجل بناء جهد بين ذري لتعلم الآلة قابل للنقل لأنظمة الحديد والأكسجين (Fe-O)
بيان المشكلة لا تزال النمذجة الذرية الدقيقة لأكسدة الحديد (Fe) تشكل تحدياً كبياً نظراً للتعقيد الهيكلي والمغناطيسي لنظام الحديد والأكسجين (Fe-O). يظهر هذا النظام فازات (أطوار) مستقرة متعددة (الوُستيت، الهيماتيت، الماجنتيت) ذات بنيات بلورية وترتيبات مغناطيسية متميزة (مضاد للفيرومغناطيسية مقابل الفيريمغناطيسية)، إلى جانب الخصائص غير القياسية وتركيزات الفراغات العالية. وبينما استُخدمت حقول القوة التفاعلية (ReaxFF)، إلا أنها غالباً ما تفتقر إلى الدقة المطلوبة للتنبؤ بطاقات الامتزاز والخصائص بدقة مقارنة بحسابات المبادئ الأولى (first-principles). توفر جهود التعلم الآلي بين الذرية (MLIPs) دقة تقارب دقة الكم، لكنها محدودة بصعوبة توليد مجموعات بيانات تمثيلية تغطي الفضاء التشكيلي الواسع المطلوب للعمليات التفاعلية مثل الأكسدة. إن الاستراتيجيات الحالية، مثل التصميم اليدوي من قبل الخبراء، أو التعلم النشط التكراري، أو البحث عن البنى العشوائية (RSS)، هي إما غير فعالة، أو تتطلب معرفة مسبقة، أو تفشل في تغطية البيئات الذرية المحلية (LAEs) المتنوعة بشكل منهجي، بما في ذلك التشكيلات المجهدة، والمعيبة، والسطحية.
المنهجية يقترح المؤلفون منهجية أخذ عينات بنية مجموعة الفراغ المعززة بالاضطراب (PASS)، وهي استراتيجية قائمة على التماثل ومعلومة بمجموعة الفراغ، تُنفذ في خطوة واحدة لتوليد مجموعات بيانات مدمجة ومتنوعة باستخدام خلايا صغيرة (أقل من 10 ذرات). يتكون سير العمل من ثلاث مراحل رئيسية:
توليد مجموعة البيانات:
البنى الأولية: يتم توليد بنى مجموعات الفراغ باستخدام حزمة PyXtal بناءً على تركيبات محددة من قبل المستخدم وأقصى عدد للذرات. تخضع هذه البنى للاسترخاء التدريجي (تقليل الحجم متبوعاً باسترخاء كامل للهيكل) عند دقة أقل من دقة نظرية الكثافة الوظيفية (DFT) للحصول على التشكيلات المتوازنة (Volmin وFullmin).
البنى المضطربة: لالتقاط البيئات الذرية المحلية (LAEs) غير المتوازنة ذات الصلة بالعيوب ومسارات التفاعل، يتم تطبيق اضطرابات منهجية على البنى المسترخية. ويشمل ذلك عمليات "الارتجاج" (إزاحات ذرية عشوائية مع ضوضاء غاوسية) وعمليات "التمدد" (مصفوفات إجهاد عشوائية مع مزيج من الأنماط الهيدروستاتيكية والقص). تُستخدم شبكة من معاملات الاضطراب لأخذ عينات واسعة من الفضاء التشكيلي.
الاختيار: تُستخدم واصفات التداخل السلس لمواقع الذرات (SOAP) عالية الأبعاد لترميز البيئات الذرية المحلية للبنى المولدة. يقوم تحليل المكونات الرئيسية (PCA) بتقليل الأبعاد، ويقوم أخذ العينات بنقطة الأبعد (FPS) باختيار البنى الأكثر تمثيلاً لتقليل التكرار.
تدريب الجهد:
يتم وسم البنى المختارة بحسابات عالية الدقة من نظرية الكثافة الوظيفية (DFT) (باستخدام VASP مع PBE-GGA والاستقطاب المغناطيسي الطولي).
يتم تدريب جهد MLIP باستخدام إطار عمل توسع العنقود الذري (ACE) عبر حزمة PACEMAKER. يركز التدريب على أنظمة الحديد النقي، والحديد-الأكسجين، والأكسجين النقي، مع معالجة درجات الحرية المغناطيسية ضمنياً عبر ترتيب فيرومغناطيسي ثابت للحديد في بيانات التدريب.
التحقق والتطبيق:
يتم التحقق من جهد ACE المدرب بشكل منهجي مقابل بيانات DFT والبيانات التجريبية عبر الخصائص الديناميكية الحرارية، والهيكلية، والميكانيكية، والحركية لكل من أنظمة الحديد النقي وأنظمة الحديد-الأكسجين.
أخيراً، يتم تطبيق الجهد في محاكاة ديناميكا جزيئية (MD) واسعة النطاق لأكسدة سطح الحديد لاختبار قابليته للنقل إلى الأنظمة المعقدة والمتطورة كيميائياً.
المساهمات الرئيسية
منهجية PASS: تقديم استراتيجية أخذ عينات منهجية وغير تكرارية تستفيد من تماثل مجموعة الفراغ والاضطرابات المتحكم بها لتوليد مجموعات بيانات تمثيلية من خلايا صغيرة، مما يتجنب التكلفة الحسابية لدورات التعلم النشط.
جهد Fe-O قابل للنقل: تطوير جهد يعتمد على ACE، تم تدريبه على مجموعة بيانات من بنى أقل من 10 ذرات، أظهر دقة عالية وقابلية للنقل للأنظمة واسعة النطاق، والأسطح، والواجهات، والعمليات التفاعلية دون تضمين درجات الحرية المغناطيسية صراحة في الصيغة الوظيفية للجهد.
التحقق الشامل: اختبار مرجعي صارم يظهر قدرة الجهد على إعادة إنتاج معادلات الحالة، والتمدد الحراري الشبكي، ومسارات باين (Bain paths)، وطاقات الانفصال، وطاقات خطأ التراص، وطاقات تكوين العيوب، وحواجز الانتشار.
محاكاة الأكسدة واسعة النطاق: التطبيق الناجح لجهد الخلايا الصغيرة المدرب على محاكة أكسدة سطح Fe (BCC) بمقياس النانو ثانية، مما يلتقط تكوين طبقة تشبه FeO وانتشار الأكسجين.
النتائج
تنوع مجموعة البيانات: تحتوي مجموعة البيانات النهائية على حوالي 28,000 بنية. يؤكد تحليل PCA لواصفات SOAP أن مجموعة بيانات PASS تغطي الفضاء التشكيلي لمجموعات البيانات الحالية المخصصة لتطبيقات معينة (مثل الكسر والتشوه) وتمتد إلى ما و beyond ذلك، لتلتقط بيئات ذرية محلية متنوعة ذات صلة بالكتل والأسطح والواجهات.
أداء الحديد النقي: يعيد جهد ACE بدقة منحنيات معادلة الحالة لـ DFT للأطوار BCC وFCC، والتمدد الحراري الشبكي، ومسار تحول باين. كما يتنبأ بشكل صحيح بالخصائص الميكانيكية، بما في ذلك طاقات السطح، ومنحنيات التوتر-الانفصال للانفصال، وطاقات خطأ التراص المعممة. وتتطابق طاقات تكوين العيوب (الفراغات والذرات البينية الذاتية) نوعياً مع اتجاهات DFT، رغم عدم وجود هذه التشكيلات المحددة صراحة في مجموعة التدريب.
أداء نظام Fe-O: يتنبأ الجهد بدقة بثوابت الشبكة، ومعاملات المرونة، وإنثالبيا التكوين لـ FeO وFe2O3 وFe3O4، مطابقةً لنتائج DFT(+U) ومؤدياً بشكل مشابه لجهد ACE منشور سابقاً (ACE-Bienvenu) الذي اعتبر المغناطيسية صراحة. كما يتنبأ بنجاح بطاقات امتزاز الأكسجين على أسطح الحديد، وطاقات ذوبان الأكسجين، ومعاملات الانتشار في الحديد (BCC) بما يتماشى مع البيانات التجريبية. وتتوافق حواجز هجرة الفراغات في FeO وFe3O4 المحسوبة عبر CINEB مع اتجاهات DFT.
محاكاة الأكسدة: في محاكاة MD لمدة 1 نانو ثانية عند 873 كلفن، يلتقط الجهد تكوين ثلاث مناطق متميزة: طبقة الأكسيد، ومنطقة وسيطة تحتوي على أكسجين مذاب، وحديد الكتلة. يكشف تحليل طبقة الأكسيد عن نسبة Fe:O قريبة من 1:1، مع تطابق دوال التوزيع الشعاعي (RDF) مع FeO المسترخى بـ DFT، وأعداد تنسيق متسقة مع FeO المعيب، مما يؤكد تكوين بنية تشبه FeO.
الأهمية والادعاءات يدعي البحث أن منهجية PASS تعالج بنجاح عقبة توليد مجموعات البيانات للأنظمة التفاعلية المعقدة. ومن خلال إثبات أن الجهد المدرب حصرياً على بنى الخلايا الصغيرة (<10 ذرات) يمكنه نمذجة ظواهر أكسدة الأسطح واسعة النطاق بدقة، فإن هذا العمل يرسخ أن الرابط الحرج بين البيئات الذرية المحلية (LAEs) وسطح طاقة الجهد (PES) يمكن تعلمه من مجموعات بيانات مدمجة ومتنوعة. يضع المؤلفون هذا العمل كأول عرض لاستراتيجية أخذ عينات تعتمد على مجموعة الفراغ للخلايا الصغيرة مطبقة على أكسدة سطح الحديد المعقدة كيميائياً.
يحافظ المؤلفون على نبرة متواضعة فيما يتعلق بحدود الجهد: فإن جهد ACE الحالي ليس "واعياً باللف المغزلي" (spin-aware) ولا ينمذج درجات الحرية المغناطيسية صراحة. وبناءً على ذلك، فإن قابليته للتطبيق تقتصر على النطاقات التي تفرض فيها المغناطيسية طاقة عالية (مثل التحولات البارامغناطيسية أو التقلبات المغناطيسية عند درجات الحرارة العالية). ومع ذلك، يوضح العمل أن الجهد القابل للنقل هيكلياً، والمدرب على مجموعة بيانات منهجية وغير منحازة للأكسدة تحت إعداد مغناطيسي ثابت، كافٍ لالتقاط التعقيد التفاعلي الأساسي لنمو الأكاسيد، مما يوفر أداة عملية حسابياً للأنظمة الممتدة.