MC3D: The Materials Cloud computational database of experimentally known stoichiometric inorganics

Dieser Artikel stellt die MC3D-Datenbank vor, die computergenerierte, dreidimensionale Kristallstrukturen von fast einer Million experimentell bekannter anorganischer Verbindungen enthält, die mittels DFT optimiert wurden und über das Materials Cloud-Portal mit vollständiger Nachvollziehbarkeit zugänglich sind.

Das Wesentliche

Das große Material-ABC: MC3D

Stell dir vor, du möchtest ein neues Haus bauen. Bevor du anfängst, würdest du nicht einfach wild herumlaufen und jeden Stein aufheben. Du würdest lieber eine Bibliothek durchsuchen, die alle möglichen Baupläne für Häuser enthält, die es auf der Welt schon gibt.

Genau das ist das, was die Wissenschaftler in diesem Papier gemacht haben, nur statt Häuser bauen sie neue Materialien (wie bessere Batterien oder Solarzellen) am Computer.

Hier ist die Geschichte von MC3D (Materials Cloud Three-Dimensional Structure Database):

1. Der riesige Haufen an Bauplänen (Die Eingabe)

Die Forscher haben sich drei riesige Bibliotheken angesehen, in denen Chemiker ihre Entdeckungen speichern:

• COD: Eine öffentliche Bibliothek, die jeder nutzen darf.
• ICSD: Eine sehr große, fast vollständige Bibliothek für anorganische Kristalle.
• MPDS: Eine weitere große Datenbank.

In diesen Bibliotheken lagen fast eine Million Baupläne (Kristallstrukturen). Aber wie bei einem riesigen Haufen alter Zeitungen: Viele davon waren doppelt, unvollständig oder gar nicht brauchbar.

2. Die große Aufräumaktion (Das Filtern)

Stell dir vor, du hast einen Haufen aus 1 Million Puzzleteilen. Viele sind kaputt, viele sind vom gleichen Bild (Duplikate) und einige sind gar keine Puzzleteile, sondern nur lose Papierfetzen (molekulare Kristalle, die für ihre Studie nicht passen).

Die Forscher haben einen automatischen Roboter gebaut, der diesen Haufen durchsucht hat:

• Er hat die kaputten Pläne weggeworfen.
• Er hat die doppelten Pläne entfernt.
• Er hat die Pläne für Dinge herausgesucht, die Wasserstoff enthalten und eher wie kleine Moleküle aussehen als wie feste Materialien (diese waren für ihr Ziel nicht relevant).

Am Ende blieben 72.589 saubere, einzigartige Baupläne übrig. Das ist ihre "Rohdaten-Sammlung" (MC3D-source).

3. Der perfekte Bauherr (Die Optimierung)

Jetzt kommt der spannende Teil. Die alten Baupläne aus den Bibliotheken sind oft nicht perfekt. Sie wurden experimentell gefunden, aber sie haben kleine Fehler oder sind nicht in der energetisch günstigsten Form.

Die Forscher haben einen super-intelligenten Architekten (einen Computer-Algorithmus) eingesetzt, der diese 72.000 Pläne genommen und sie "optimiert" hat.

• Wie ein Bildhauer: Stell dir vor, du hast einen groben Steinblock (den alten Plan). Der Computer schneidet und poliert ihn so lange, bis er die perfekte, stabilste Form hat.
• Die Methode: Sie nutzten eine hochkomplexe Rechenmethode namens "Dichtefunktionaltheorie" (DFT). Das ist wie ein extrem genauer Maßstab, der berechnet, wie die Atome im Inneren des Materials am besten sitzen sollten, damit das Material stabil ist.

Sie haben das für 32.013 dieser Materialien gemacht. Das Ergebnis ist die MC3D-Datenbank.

4. Warum ist das so besonders? (Die Vorteile)

Warum machen sie das nicht einfach so weiter, wie es andere schon tun? Hier sind die besonderen Tricks:

• Einheitliche Regeln: Andere Datenbanken nutzen oft unterschiedliche Messlatten für verschiedene Materialien. Das ist wie wenn ein Schneider für Hosen Maß nimmt und für Jacken einen anderen Maßstab. Das führt zu Fehlern. MC3D hat eine einzige, strenge Regel für alle Materialien angewendet. Das macht die Daten viel besser vergleichbar, besonders für Künstliche Intelligenz (KI), die lernen will, neue Materialien vorherzusagen.
• Alles wird dokumentiert: Wenn du ein Gericht kochst, schreibst du nicht immer auf, wie viel Salz du genau genommen hast. Die Forscher hier haben einen perfekten Kochbuch-Protokoll geführt. Jeder Schritt, jeder Versuch und jeder Fehler wird gespeichert. Wenn jemand später fragt: "Wie hast du das gemacht?", können sie den kompletten Weg zurückverfolgen. Das nennt man "Reproduzierbarkeit".
• Fehlermanagement: Der Computer hat manchmal Fehler gemacht (z. B. "Ich komme nicht weiter"). Statt abzubrechen, hat der Roboter automatisch versucht, den Fehler zu beheben (wie wenn du beim Puzzeln versuchst, ein Teil anders herumzudrehen). Das hat die Erfolgsrate enorm erhöht.

5. Das Ergebnis für die Welt

Die Forscher haben diese Datenbank kostenlos ins Internet gestellt (auf der "Materials Cloud").

• Für Forscher: Sie können jetzt sofort nach den perfekten Bauplänen suchen, ohne selbst Jahre an Rechenzeit zu verschwenden.
• Für KI: Da die Daten so sauber und einheitlich sind, können KI-Modelle viel besser lernen und neue, noch nie dagewesene Materialien erfinden.
• Für die Öffentlichkeit: Es gibt eine schöne Webseite, wo man diese 3D-Strukturen wie in einem Museum durchdrehen und ansehen kann.

Zusammengefasst:
Die Forscher haben aus einem chaotischen Haufen von einer Million alten Bauplänen die besten 72.000 herausgesucht, sie mit einem perfekten Computer-Algorithmus poliert und in eine saubere, gut sortierte Bibliothek gestellt. Jetzt kann jeder darauf zugreifen, um die Materialien der Zukunft zu entdecken.

Technische Zusammenfassung

1. Problemstellung und Motivation

Die computergestützte Entdeckung von Materialien basiert zunehmend auf Hochdurchsatz-DFT-Rechnungen (Dichtefunktionaltheorie). Obwohl zahlreiche Datenbanken existieren (z. B. Materials Project, OQMD), weisen diese oft Inkonsistenzen in den Rechenprotokollen auf, was die Genauigkeit von Machine-Learning-Modellen beeinträchtigt. Zudem basieren viele Datenbanken primär auf theoretischen Vorhersagen oder nutzen kommerzielle Codes (wie VASP), was die Reproduzierbarkeit und den offenen Zugang erschwert.
Ein spezifisches Problem ist die Verfügbarkeit konsistenter, experimentell bekannter, stöchiometrischer anorganischer Kristallstrukturen, die für die Validierung und als Startpunkt für weitere Screening-Studien benötigt werden. Bisherige Datenbanken enthalten oft redundante Einträge, nicht-stöchiometrische Phasen oder theoretische Strukturen ohne klare Kennzeichnung.

2. Methodik

Der Artikel beschreibt die Erstellung der MC3D-Datenbank (Materials Cloud Three-Dimensional Structure Database) durch einen vollständig automatisierten Workflow.

• Datenerfassung und Vorverarbeitung:

  • Quellen: Nahezu eine Million Kristallstrukturen wurden aus drei großen experimentellen Datenbanken importiert: COD (Crystallographic Open Database), ICSD (Inorganic Crystal Structure Database) und MPDS (Materials Platform for Data Science).
  • Filterungspipeline: Die Rohdaten durchliefen eine strenge Filterkette:
    1. Parsing und Validierung der CIF-Dateien (Ausschluss fehlerhafter Syntax).
    2. Entfernung nicht-stöchiometrischer Strukturen (z. B. mit partiellen Besetzungen).
    3. Identifikation und Entfernung von Duplikaten unter Verwendung von StructureMatcher (pymatgen) und Normalisierung auf primitive Zellen.
    4. Ausschluss von Wasserstoff-haltigen Strukturen, die nur in COD vorhanden sind (Vermeidung molekularer Kristalle).
    5. Ausschluss von Lanthanoiden und Actinoiden (aufgrund der Komplexität der f-Elektronen und unzureichender Pseudopotenziale).
  • Ergebnis der Vorverarbeitung: Eine Sammlung von 72.589 einzigartigen, stöchiometrischen, anorganischen Kristallstrukturen (MC3D-source), von denen mindestens 69.284 experimentell bekannt sind.

• DFT-Optimierung:

  • Software-Stack: Nutzung von Quantum ESPRESSO (QE) beschleunigt durch die SIRIUS-Bibliothek (für effiziente GPU-Nutzung), gesteuert durch das Workflow-Management-System AiiDA.
  • Protokolle: Es wurden verschiedene Versionen erstellt, basierend auf den Funktionalen PBE und PBEsol. Die aktuellste und präziseste Version ist MC3D PBEsol-v2.
  • Automatisierte Fehlerbehandlung: Ein robuster Workflow (BaseRestartWorkChain) erkennt Konvergenzfehler (elektronisch oder ionisch) und passt Eingabeparameter automatisch an (z. B. Mischparameter, Diagonalisierungsalgorithmen), bevor die Berechnung neu gestartet wird. Dies ermöglichte eine hohe Erfolgsquote.
  • Eingabeparameter: Spin-polarisierte Rechnungen mit „cold-smearing", spezifische Pseudopotenziale aus der SSSP-Effizienz-Bibliothek (v1.3 für PBEsol) und adaptive k-Punkt-Netze.

3. Schlüsselbeiträge

1. MC3D-Datenbank: Bereitstellung einer konsistent berechneten Datenbank mit 32.013 einzigartigen, optimierten Strukturen (Version PBEsol-v2), die ausschließlich auf experimentell bekannten Verbindungen basiert.
2. Reproduzierbarkeit und Provenienz: Durch die Nutzung von AiiDA ist der vollständige Provenienzgraph (von der CIF-Datei bis zum DFT-Ergebnis) gespeichert und öffentlich zugänglich. Dies ermöglicht die vollständige Reproduktion aller Ergebnisse.
3. Offene Standards: Nutzung von Open-Source-Software (QE, SIRIUS, AiiDA) und Bereitstellung über das Materials Cloud-Portal mit einer benutzerfreundlichen Web-Oberfläche und einer OPTIMADE-konformen API.
4. Robustheit: Demonstration eines hochautomatisierten Workflows, der auch bei komplexen Eingabestrukturen eine Erfolgsquote von über 85 % erreicht.
5. Erweiterter Materialraum: Im Vergleich zu etablierten Datenbanken (Materials Project, OQMD) enthält MC3D tausende neue, einzigartige Strukturen, die in diesen noch nicht vorhanden sind.

4. Ergebnisse

• Datenmenge: Aus ca. 901.000 importierten CIF-Dateien wurden nach Filterung 72.589 einzigartige Quellenstrukturen gewonnen. Davon wurden 46.964 (ohne Lanthanoide/Actinoide) für die DFT-Optimierung ausgewählt.
• Erfolgsrate: Von den 38.739 durchgeführten Optimierungs-Workflows wurden 33.142 erfolgreich abgeschlossen (Erfolgsrate ~85,5 %).
  • 67,4 % der Workflows liefen beim ersten Versuch ohne Fehlerbehandlung erfolgreich durch.
  • Die häufigsten Fehler waren Konvergenzprobleme (ionisch oder elektronisch), die jedoch in über der Hälfte der Fälle durch automatische Anpassungen behoben wurden.
• Qualität der Geometrien: Der Großteil (78,1 %) der optimierten Strukturen zeigt eine Volumenänderung von weniger als ±5 % im Vergleich zur experimentellen Ausgangsstruktur. Abweichungen wurden oft auf fehlende van-der-Waals-Korrekturen bei geschichteten Strukturen oder Hochdruck/Hochtemperatur-Bedingungen in den Originaldaten zurückgeführt.
• Vergleich mit anderen Datenbanken: Der Vergleich mit dem Materials Project und OQMD ergab, dass MC3D 3.328 neue, einzigartige Strukturen enthält, die in diesen Datenbanken nicht vorhanden sind (neue Zusammensetzungen, neue Raumgruppen oder nicht-duplicate Strukturen).

5. Bedeutung und Ausblick

Die MC3D-Datenbank stellt eine wertvolle Ressource für die Materialwissenschaft dar, da sie:

• Einen konsistenten, experimentell fundierten Datensatz für das Training von Machine-Learning-Modellen bereitstellt, was die Vorhersagegenauigkeit für neue Materialien erhöht.
• Die Lücke zwischen experimentellen Daten und theoretischen Berechnungen schließt, indem sie optimierte Geometrien für bekannte Materialien liefert, die sofort für weitere Screening-Studien genutzt werden können.
• Durch die vollständige Offenlegung der Provenienz und die Nutzung von Open-Source-Tools die Reproduzierbarkeit und Transparenz in der computergestützten Materialforschung fördert.
• Als ergänzende Datenbank zu bestehenden Repositorien dient und durch die OPTIMADE-Schnittstelle nahtlos in bestehende Ökosysteme integrierbar ist.

Zusammenfassend etabliert MC3D einen neuen Standard für die kuratierte, experimentell validierte und rechnerisch optimierte Datenbank anorganischer Materialien mit Fokus auf vollständige Reproduzierbarkeit und offene Zugänglichkeit.