TASTET: a Python package for geometry-driven selection of representative atomistic structures from large configurational spaces

In der Welt der Chemie und Materialwissenschaft versuchen Forscher ständig zu verstehen, wie Atome sich anordnen, um neue Moleküle oder Materialien mit spezifischen Eigenschaften zu erschaffen. Um dies zu erreichen, nutzen sie leistungsstarke Computersimulationen, die auf den Gesetzen der Quantenmechanik basieren, welche es ermöglichen, das Verhalten einer Struktur vorherzusagen, ohne sie im Labor bauen zu müssen. Diese Berechnungen sind jedoch extrem rechenintensiv. Eine einzige Simulation kann Stunden oder sogar Tage auf einem Supercomputer in Anspruch nehmen. Wenn Wissenschaftler ein neues System erforschen, generieren sie oft tausende potenzieller Strukturen – verschiedene Arten, wie die Atome angeordnet sein könnten – da sie nicht wissen, welche davon am stabilsten oder nützlichsten ist. Es ist in der Regel unmöglich, eine detaillierte, hochpräzise Berechnung für jede einzelne dieser Möglichkeiten durchzuführen, da der Zeitaufwand und die benötigte Rechenleistung schlichtweg zu groß sind.

Die traditionelle Lösung bestand darin, zu raten, welche Strukturen es wert sind, untersucht zu werden, basierend auf groben, kostengünstigen Energieschätzungen. Die Idee dahinter ist, dass die stabilsten Strukturen die niedrigste Energie aufweisen; also filtern die Wissenschaftler den Rest heraus und führen die detaillierten Berechnungen nur für die vielversprechendsten Kandidaten durch. Doch dieser Ansatz hat einen verborgenen Fehler: Er setzt voraus, dass die kostengünstigen Schätzungen genau genug sind, um zwischen einer wirklich einzigartigen Struktur und einer geringfügigen Variation unterscheiden zu können. Wenn die Schätzung falsch ist oder eine subtile, aber wichtige geometrische Differenz übersieht, verschwenden Forscher ihre begrenzte Rechenkapazität auf redundante Strukturen, während sie gleichzeitig genau die Konfigurationen übersehen, die sie eigentlich finden müssen. Die Herausforderung besteht also nicht nur darin, die Anzahl der Strukturen zu reduzieren, sondern eine kleine, repräsentative Gruppe auszuwählen, die die volle Vielfalt der Möglichkeiten einfängt und sicherstellt, dass keine wichtige Region der atomaren Landschaft unerforscht bleibt.

Ein Forschungsteam hat einen neuen Ansatz entwickelt, um dieses Problem zu lösen, indem es den Fokus von Energieschätzungen auf die tatsächliche Form der Moleküle verlagert. Sie entwickelten ein Softwaretool namens TASTET, das als intelligenter Filter für diese riesigen Sammlungen atomarer Strukturen fungiert. Anstatt zu fragen: „Welche dieser sieht so aus, als hätte sie die niedrigste Energie?“, fragt die Software: „Welche dieser sieht am unterschiedlichsten von den anderen aus?“ Sie behandelt den Auswahlprozess als ein Geometrieproblem. Das Programm analysiert die lokale Nachbarschaft jedes Atoms in einer Struktur und bildet ab, wie die Atome relativ zueinander positioniert sind. Anschließend vergleicht es diese Karten über die gesamte Sammlung hinweg, um das Maß der Ähnlichkeit oder Unähnlichkeit jeder Struktur zu allen anderen zu bestimmen. Mithilfe einer mathematischen Strategie, die darauf ausgelegt ist, einen Raum gleichmäßig auszufüllen, wählt die Software eine Teilmenge von Strukturen aus, die in Bezug auf ihre Form so weit wie möglich voneinander entfernt liegen. Dies stellt sicher, dass die finale Gruppe das gesamte Spektrum der Möglichkeiten abdeckt – von den kompaktesten Anordnungen bis hin zu den am weitesten gestreckten –, ohne Ressourcen für Duplikate zu verschwenden.

Die Forscher testeten diese Methode an zwei sehr unterschiedlichen Systemen, um zu sehen, ob sie mit der Komplexität der realen Chemie umgehen kann. Der erste Test beinhaltete ein flexibles Molekül, das ein Rhodium-Metallatom enthält, welches von einem großen organischen Liganden umgeben ist. Da der Ligand auf viele Arten verdrehen und rotieren kann, generierte der Computer fast 950 verschiedene Formen für dieses eine Molekül. Die Forscher wollten sehen, ob sie die wichtigsten Formen mit nur einem winzigen Bruchteil ihres Rechenbudgets finden können. Sie nutzten TASTET, um lediglich 28 Strukturen auszuwählen, was nur 3 % der Gesamtzahl entspricht. Als sie die teuren, hochpräzisen Berechnungen für diese 28 Strukturen durchführten, offenbarten die Ergebnisse die wesentlichen Energiemuster der gesamten Landschaft. Sie fanden heraus, dass der Großteil der Energiedifferenzen auf nur vier spezifische Drehbewegungen zurückzuführen war. Durch die Konzentration auf diese kleine, diverse Gruppe konnten sie die wichtigsten energetischen Regionen wiederherstellen, ohne die anderen 921 Strukturen berechnen zu müssen. Im Vergleich zur traditionellen Methode des Filterns nach kostengünstigen Energieschätzungen versagte der alte Ansatz dabei, dieselbe Diversität zu erfassen; er wählte oft viele Strukturen aus, die im Wesentlichen die gleiche Form hatten, und übersah andere, die sich als wichtig erwiesen.

Der zweite Test trieb die Methode noch weiter voran, indem er von einem einzelnen Molekül zu einem Cluster aus Metallatomen überging, die auf einer festen Oberfläche sitzen. Dies ist ein häufiges Szenario in der Katalyse, bei der Materialien verwendet werden, um chemische Reaktionen zu beschleunigen. Die Forscher generierten eine massive Sammlung von 10.000 verschiedenen Anordnungen für einen Cluster aus zwölf Kupferatomen auf einer Zinkoxid-Oberfläche. In diesem Szenario wurden die Strukturen durch einen fortschrittlichen Suchalgorithmus erzeugt, der ein maschinelles Lernmodell nutzt, um Energien vorherzusagen. Der traditionelle Ansatz wäre es gewesen, jene Strukturen auszuwählen, die das maschinelle Lernmodell als energetisch am günstigsten vorhersagt. Die Forscher stellten jedoch fest, dass das Modell des maschinellen Lernens nicht genau genug war, um eine solche Entscheidung zuverlässig zu treffen. Als sie 30 Strukturen rein basierend auf der geometrischen Diversität mittels TASTET auswählten und anschließend deren wahre Energien mit hochpräzisen Methoden berechneten, entdeckten sie eine erschreckende Diskrepanz. Die Struktur, die das Modell des maschinellen Lernens für die beste hielt, war bei präziser Berechnung tatsächlich nur die neunte beste, während die wahre beste Struktur vom Modell lediglich auf Platz 28 eingestuft wurde. Die Fehler des Modells waren so groß, dass ein standardmäßiger energiebasierter Filter die beste Struktur komplett übersehen hätte.

Indem sie sich auf die Geometrie statt auf die fehlerhaften Energievorhersagen stützten, gelang es den Forschern, einen winzigen Bruchteil des Gesamtpools auszuwählen – gerade einmal 0,3 % –, der dennoch das volle Spektrum der strukturellen Verhaltensweisen enthielt. Sie fanden heraus, dass die stabilsten Strukturen jene waren, bei denen sich der Metallcluster flach über die Oberfläche ausbreitete, während die weniger stabilen Strukturen hoch und dünn aufragten. Dieser klare Zusammenhang zwischen Form und Stabilität trat erst deshalb zutage, weil die Auswahlmethode die Ergebnisse nicht zugunsten der falschen Energievorhersagen des maschinellen Lernmodells verzerrte. Die Studie zeigt, dass der beste Weg, eine begrenzte Ressource zu nutzen, wenn hochpräzise Berechnungen zu teuer sind, darin besteht, sicherzustellen, dass die ausgewählten Stichproben geometrisch divers sind. Dieser Ansatz ermöglicht es Wissenschaftlern, die gesamte Landschaft der Möglichkeiten zu erkunden und die wahren Beziehungen zwischen Struktur und Energie aufzudecken, selbst wenn ihre anfänglichen Vermutungen unvollkommen sind. Das TASTET-Tool steht nun als Open-Source-Software zur Verfügung und bietet eine praktische Möglichkeit für Forscher, sich durch diese komplexen chemischen Räume zu navigieren, ohne sich in redundanten Daten zu verlieren oder auf unzuverlässige Abkürzungen angewiesen zu sein.