Physics-informed acquisition weighting for stoichiometry-constrained Bayesian optimization of oxide thin-film growth

Resumen Técnico: Ponderación de Adquisición Informada por la Física para la Optimización Bayesiana con Restricción Estequiométrica del Crecimiento de Películas Delgadas de Óxidos

Planteamiento del Problema
El crecimiento epitaxial de óxidos complejos, como el LaAlO₃ (LAO), enfrenta un desafío crítico para lograr un control estequiométrico preciso. Incluso las desviaciones menores de las proporciones ideales de cationes pueden inducir defectos puntuales, dislocaciones, fases secundarias y distorsiones estructurales, degradando severamente las propiedades electrónicas y ópticas. La optimización tradicional depende de la sintonización empírica de parámetros acoplados (razones de flujo, temperatura, presión), un proceso que es lento, dependiente del operador y a menudo poco fiable. Si bien la optimización bayesiana (BO) ha emergido como un enfoque basado en datos para navegar espacios de crecimiento multidimensionales, los algoritmos de BO estándar suelen proponer condiciones fuera de la estequiometría que conducen al fallo experimental o a una mala calidad de la película. Existe la necesidad de un marco de optimización que integre el conocimiento previo de la física para guiar la búsqueda hacia regímenes químicamente equilibrados sin sacrificar la capacidad de exploración del algoritmo.

Metodología
Los autores proponen un marco de Optimización Bayesiana Informada por la Física (PIBO) que incorpora la física del crecimiento de cristales directamente en la función de adquisición mediante un esquema de ponderación multiplicativa.

• Mecanismo Central: El método modifica la función de adquisición de Mejora Esperada (EI) estándar multiplicándola por una función de peso, $w(\delta)$, donde $\delta$ representa la relación de suministro nominal de los elementos constituyentes (por ejemplo, La/Al).
• Diseño de la Función de Ponderación: La función de ponderación está diseñada para codificar los conocimientos previos termodinámicos sobre la estabilidad de fase. Presenta una "ventana plana" de semiancho $\tau$ alrededor del centro estequiométrico ideal $c$ (donde $w=1$), asegurando que las propuestas dentro de esta región físicamente plausible no sean penalizadas. Fuera de esta ventana, el peso decae según una función gaussiana controlada por un parámetro de ancho $\sigma$.
• Control de Exploración: Se introduce un factor de suelo $\epsilon \in [0,1]$ para asegurar una probabilidad no nula de explorar regiones fuera de la estequiometría. Esto evita que el algoritmo se vuelva excesivamente rígido si el modelo físico es imperfecto o si el ruido experimental desplaza el óptimo real.
• Flexibilidad: La formulación permite una ponderación asimétrica para tener en cuenta las diferencias de volatilidad entre elementos (por ejemplo, compensar la desorción de especies volátiles como el RuO₂ en el SrRuO₃) y puede extenderse para incluir restricciones de temperatura y presión parcial de oxígeno basadas en datos termodinámicos.
• Implementación: El estudio aplica este método al crecimiento de películas de LAO mediante la Epitaxia de Haz Molecular (MBE). El espacio de búsqueda incluye la relación de flujo de La/Al ($\delta$), la temperatura de crecimiento y la distancia de la boquilla de ozono al sustrato. El objetivo es minimizar $\Delta c$, la diferencia entre la constante de red del eje c de la película de LAO y el valor de la masa de volumen (bulk), que sirve como indicador de la estequiometría.

Contribuciones Clave

1. Modificación Mínima del Flujo de Trabajo: El enfoque requiere solo una modificación concisa de los procesos de BO estándar (multiplicar la función de adquisición por un peso), lo que lo hace fácilmente aplicable a los flujos de trabajo experimentales existentes sin alterar el modelo de sustitución (Proceso Gaussiano) o la lógica de optimización.
2. Búsqueda Restringida por la Estequiometría: A diferencia de otros métodos PIBO que integran la física en el modelo de sustitución, este método dirige explícitamente la función de adquisición. Logra restringir la búsqueda hacia regiones estequiométricas mientras mantiene suficiente flexibilidad para explorar condiciones adyacentes.
3. Robustez ante la Inexactitud del Modelo: Al mantener una probabilidad de exploración no nula fuera de la ventana ideal (mediante $\epsilon$), el método evita quedar atrapado en mínimos locales causados por inexactitudes en el modelo físico previo o por el ruido experimental.

Resultados
El marco PIBO fue validado mediante la optimización de ciclo cerrado del crecimiento de películas de LAO:

• Convergencia Rápida: En solo 15 corridas de crecimiento, la constante de red de la película de LAO crecida convergió al valor de la masa de volumen ($\Delta c = 0$ Å).
• Condiciones Óptimas: El algoritmo identificó un óptimo ligeramente más allá de la ventana estequiométrica estricta ($\delta = 0.88$), lo que sugiere que el esquema de ponderación navegó con éxito pequeños desfases de calibración o coeficientes de adherencia distintos de la unidad que un rango de restricción ingenuo habría pasado por alto.
• Comparación con la BO Estándar: En contraste, un enfoque EI "desnudo" estándar propuso frecuentemente condiciones fuera de la estequiometría (por ejemplo, $\delta = 0.75$) que resultaron en el fallo de la formación de la fase (desaparición de los picos de difracción de LAO).
• Calidad de la Película: Las películas optimizadas exhibieron una constante de red idéntica al LAO masivo y mostraron un aumento de más de diez veces en la intensidad del pico de difracción de rayos X (XRD) en comparación con las películas no optimizadas. La microscopía electrónica de transmisión de barrido (STEM) y la microscopía de fuerza atómica (AFM) confirmaron la naturaleza monocristalina, las superficies atómicamente lisas y las estructuras de paso y terraza indicativas de un crecimiento de alta calidad capa por capa.

Significancia
El artículo afirma que este marco PIBO ofrece una ruta general y práctica para la síntesis de materiales impulsada por IA. Al incorporar el conocimiento de la física únicamente a través de la función de ponderación, el método sesga eficazmente la exploración hacia regímenes físicamente razonables preservando la robustez requerida para los sistemas de síntesis autónomos. Los resultados demuestran que integrar la física previa del crecimiento de cristales en la función de adquisición puede acelerar significativamente la optimización del crecimiento de películas delgadas de óxidos complejos, mejorando la calidad de la película y reduando el número de corridas experimentales necesarias para alcanzar la estequiometría ideal. Los autores enfatizan que este enfoque es extensible a otros sistemas de materiales y plataformas de síntesis autónomas, proporcionando un equilibrio entre la restricción y la exploración.