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

Este trabajo presenta un enfoque de aprendizaje automático multi-fidelidad que ajusta fino un potencial interatómico entrenado con DFT utilizando energías limitadas de Monte Carlo cuántico para lograr una precisión cercana a la de QMC en la simulación de la migración de vacantes de azufre en MoS$_2$ monocapa, permitiendo simulaciones a gran escala y de alta precisión que serían computacionalmente prohibitivas con métodos QMC directos.

Lo esencial

Imagina que estás intentando construir un mapa perfecto de un terreno montañoso para ayudar a los excursionistas (átomos) a navegar con seguridad.

El Problema: El Mapa es Demasiado Caro o Demasiado Grosero
Los científicos tienen dos formas principales de dibujar este mapa:

1. El Mapa "Suficientemente Bueno" (DFT): Es como un GPS estándar. Es rápido, barato de generar y te da una idea decente de dónde están las colinas y los valles. Sin embargo, a veces se equivoca con la altura de los picos. Si estás intentando cruzar un paso de montaña específico (una reacción química), este mapa podría decirte que el paso es fácil de escalar cuando en realidad es un acantilado empinado.
2. El Mapa "Perfecto" (QMC): Es un levantamiento satelital que mide cada roca y guijarro individual con una precisión increíble. Proporciona la altura real de las montañas. Pero es tan caro y lento de hacer que solo puedes permitirte levantar un pequeño trozo de tierra. No puedes usarlo para mapear todo un continente ni simular una caminata larga porque la computadora tardaría siglos en terminar.

La Solución: Un Enfoque Híbrido Inteligente
Los autores de este artículo idearon un truco astuto para obtener lo mejor de ambos mundos. Querían actualizar su mapa "Suficientemente Bueno" para que fuera tan preciso como el mapa "Perfecto", pero sin el costo imposible.

Así es como lo hicieron, usando una analogía de la afinación de un automóvil:

• El Motor (El Modelo de IA): Comenzaron con un coche (un modelo de IA llamado MACE) que ya había sido construido utilizando el mapa "Suficientemente Bueno". Este coche conduce bien y sabe cómo tomar las curvas (fuerzas atómicas) porque fue entrenado con los datos rápidos y estándar.
• La Inyección de Combustible (La Corrección de Energía): Se dieron cuenta de que el velocímetro del coche (niveles de energía) estaba ligeramente desviado en comparación con el mapa "Perfecto". Así que tomaron algunas muestras de combustible muy caras y de alta precisión (energías QMC) de puntos específicos de la montaña.
• La Afinación (Ajuste Fino): En lugar de reconstruir todo el coche desde cero (lo cual sería demasiado difícil), solo ajustaron el tablero y el velocímetro (las "capas de lectura" de la IA). Utilizaron las muestras de combustible caras para recalibrar el velocímetro para que mostrara la altura real de las montañas.
• El Freno de Seguridad (Restricción de Fuerza): Aquí está la parte complicada. Si solo ajustas el velocímetro, el coche podría empezar a conducir descontroladamente porque el motor no sabe cómo manejar la nueva velocidad. Para evitar esto, añadieron un "freno de seguridad". Le dijeron a la IA: "Puedes cambiar la velocidad para que coincida con el mapa perfecto, PERO no puedes cambiar cómo el coche gira (las fuerzas) en más de una cantidad pequeña y segura". Esto mantiene el coche estable y evita que choque contra acantilados imaginarios.

La Prueba: Vacantes de Azufre en MoS2
Para probar este nuevo método, utilizaron un material específico: una hoja delgada de disulfuro de molibdeno (MoS2). Observaron lo que sucede cuando falta un solo átomo de azufre (una "vacante") e intenta moverse a un nuevo lugar. Este movimiento es como un excursionista intentando cruzar una cresta.

• La Vieja Forma: El mapa estándar dijo que el excursionista necesitaba escalar una colina de 2.30 eV.
• La Forma Perfecta: El levantamiento costoso y de alta precisión dijo que la colina era en realidad de 2.85 eV. ¡Esa es una diferencia enorme!
• La Nueva Forma Híbrida: Su modelo afinado predijo 2.75 eV. Fue casi tan preciso como el levantamiento costoso, pero se calculó instantáneamente.

Los Resultados

• Precisión: El nuevo modelo obtuvo las barreras de energía (la altura de las colinas) casi exactamente correctas, coincidiendo con los resultados costosos del "estándar de oro" dentro de un margen de error diminuto.
• Fuerzas: Aunque no utilizaron los datos costosos para enseñar al modelo cómo girar (fuerzas), el "freno de seguridad" mantuvo la dirección precisa. La dirección del modelo se volvió mucho mejor que la original, coincidiendo con el levantamiento de alta precisión casi tan bien como lo hacía el mapa original.
• Escala: Debido a que el modelo es rápido, pudieron simular escenarios enormes, como una fila completa de átomos faltantes moviéndose a la vez, que habrían sido imposibles de calcular con el método costoso.

En Resumen
Los autores crearon una "actualización inteligente" para las simulaciones por computadora. Tomaron un modelo rápido y ligeramente inexacto y le dieron una pequeña dosis de datos costosos y de alta precisión para corregir sus lecturas de energía, mientras utilizaban una regla de seguridad para mantener estables sus predicciones de movimiento. Esto permite a los científicos ejecutar simulaciones masivas y de alta precisión de materiales que anteriormente eran demasiado difíciles o costosos de estudiar.

Resumen técnico

Resumen Técnico: Escalado de MLIPs entrenados con DFT hacia la precisión QMC

Enunciado del Problema
El modelado preciso de superficies de energía potencial (PES) es crítico para simular procesos activados como la difusión de vacantes y las transformaciones de fase. Si bien los potenciales interatómicos de aprendizaje automático (MLIP) permiten el muestreo a gran escala y los cálculos de energía libre que son computacionalmente prohibitivos para los métodos de primeros principios, su precisión está inherentemente limitada por los datos de referencia utilizados para el entrenamiento. Los MLIPs estándar entrenados con Teoría del Funcional de la Densidad (DFT) reproducen resultados de DFT, que a menudo contienen sesgos sistemáticos en las alturas de las barreras y la energetica de defectos. Por el contrario, los métodos de Monte Carlo Cuántico (QMC) ofrecen energías de calidad de referencia que se acercan a la precisión química, pero actualmente son demasiado costosos para un muestreo extensivo. Además, obtener fuerzas atómicas convergidas a partir de métodos estocásticos de QMC (específicamente Monte Carlo de difusión de nodo fijo, FN-DMC) es significativamente más difícil y menos rutinario que calcular energías, creando un cuello de botella para el entrenamiento de MLIPs de alta fidelidad que dependen de datos de fuerzas.

Metodología
Los autores proponen una estrategia de aprendizaje multi-fidelidad (MFL) para "escalar" un MLIP entrenado con DFT hacia una precisión cercana a la QMC sin requerir cálculos directos de fuerzas QMC. El enfoque utiliza un esquema de ajuste fino (FT) parcialmente congelado en una red neuronal de paso de mensajes equivariante (MACE). La metodología consta de tres componentes principales:

1. Generación de Datos: Se generó un conjunto de datos de aproximadamente $10^3$ configuraciones utilizando dinámica molecular (MD) con restricciones y caminos de banda elástica nudged (NEB) basados en un potencial MACE preexistente entrenado con DFT. Se calcularon energías puntuales FN-DMC para estas configuraciones, mientras que las fuerzas atómicas se conservaron de los cálculos DFT subyacentes.
2. Arquitectura de Ajuste Fino: Los autores ajustaron finamente solo las capas de "lectura" (readout) del modelo MACE, que mapean características invariantes aprendidas a energías por átomo. Las capas de paso de mensajes equivariantes, que codifican la representación geométrica de los entornos locales y el campo de fuerzas aprendido por DFT, se congelaron. Esto preserva la física estructural cualitativa aprendida de DFT mientras permite que el mapeo de energía se recalibre hacia objetivos QMC.
3. Función de Pérdida y Restricciones: El objetivo de entrenamiento minimiza una función de pérdida combinada que contiene un término de error cuadrático medio (MSE) para las energías FN-DMC y un término de penalización umbralizado para la desviación de las fuerzas predichas respecto a las fuerzas de referencia DFT.
   • La penalización de fuerza se define como $FEt(F_{pred}, F_{DFT}) = \Theta(\|\Delta F\|^2 - t^2)(\|\Delta F\|^2 - t^2)^2$, donde $t$ es un parámetro umbral (establecido en 16 eV/Å).
   • Esta restricción evita que el modelo desarrolle fuerzas no físicas o grandes desviaciones de la dinámica DFT estable, mientras permite que el paisaje energético se desplace hacia la precisión QMC.

Contribuciones Clave

• Escalado con Restricción de Fuerzas: El artículo demuestra un protocolo práctico para corregir MLIPs entrenados con DFT utilizando energías QMC de alto nivel y fuerzas DFT de bajo nivel, evitando la necesidad de cálculos de fuerzas QMC costosos y ruidosos.
• Estrategia de Congelación Parcial: Al congelar las capas de paso de mensajes y actualizar solo la lectura, los autores mantienen la estabilidad del campo de fuerzas DFT mientras logran energeticas a nivel QMC.
• Validación Multi-Fidelidad: El estudio valida que un conjunto de datos limitado de energías QMC (tan pocos como 37 muestras) es suficiente para mejorar significativamente el modelo, con un rendimiento que se estabiliza alrededor de 500 muestras.

Resultados
El método se probó en la migración de vacantes de azufre (S) en MoS2 monocapa, un sistema que involucra vacantes mono-, bi- y cuadri-vacantes.

• Energetica: El MLIP ajustado finamente (FT-MLIP) alcanzó una precisión cercana a la QMC para las barreras de migración. Para una mono-vacante, la barrera del FT-MLIP (2.75 eV) difirió solo en ~0.1 eV del resultado explícito FN-DMC (2.85 eV), mientras que el MLIP DFT de referencia fue 0.55 eV más bajo.
• Fuerzas: Aunque no se entrenó con fuerzas QMC, el FT-MLIP mostró una fidelidad de fuerza mejorada. El error absoluto medio (MAE) de las fuerzas atómicas relativas a las derivadas QMC disminuyó de 220 meV/Å (MLIP-DFT) a 160 meV/Å (FT-MLIP).
• Generalización (Fuera de Dominio): El modelo predijo con éxito las barreras de migración para bi-vacantes y cuadri-vacantes (pruebas de transferencia) con desviaciones de solo 0.04–0.15 eV respecto a los cálculos explícitos FN-DMC, superando significativamente la línea base DFT.
• Energía Libre: El enfoque permitió simulaciones de integración termodinámica a gran escala para calcular barreras de energía libre a 300, 600 y 900 K, revelando que las correcciones de entropía vibracional son comparables en magnitud a las correcciones de energía QMC y pueden alterar cualitativamente las ubicaciones de los estados de transición.

Significado
Los autores afirman que este enfoque abre la ventana a simulaciones a gran escala de calidad cercana a la QMC para sistemas y configuraciones (como superceldas grandes con múltiples defectos) que son inaccesibles para los métodos de fuerza bruta QMC directos. El método proporciona un intercambio controlado entre el aprendizaje de correcciones de energía de alto nivel y la preservación de la estabilidad cualitativa del campo de fuerzas DFT. Los autores aseguran que la técnica es generalizable a otros sistemas donde la correlación electrónica afecta la energetica pero no altera cualitativamente la PES, ofreciendo un camino computacionalmente viable hacia simulaciones de materiales de calidad de referencia.