Accelerated Discovery of Materials with Extreme Work Functions through Uncertainty-Aware Multi-Fidelity Screening

Resumen Técnico: Descubrimiento Acelerado de Materiales con Funciones de Trabajo Extremas mediante el Cribado de Multifidelidad Consciente de la Incertidumbre

Planteamiento del Problema
La función de trabajo ($\Phi$) es una propiedad electrónica crítica que gobierna el intercambio de electrones en las interfaces, esencial para tecnologías que van desde la emisión termiónica y de campo hasta la catálisis y la electrónica orgánica. Se buscan intensamente materiales con funciones de trabajo extremas —específicamente valores bajos ($\Phi < 2.5$ eV) para una emisión de electrones eficiente y valores altos ($\Phi > 6.0$ eV) para un transporte de huecos o bloqueo de electrones efectivo—. Sin embargo, predecir las funciones de trabajo es inherentemente complejo debido a la anisotropía cristalográfica, la relajación superficial, la reconstrucción y la influencia de los adsorbatos. Si bien la Teoría del Funcional de la Densidad (DFT) es el estándar para el cálculo, es computacionalmente costosa para el cribado de alto rendimiento de millones de candidatos. Por el contrario, los modelos de Aprendizaje Automático (ML) existentes, como los regresores de Bosque Aleatorio (RF), ofrecen velocidad pero a menudo carecen de una cuantificación de la incertidumbre fiable y de una evaluación del dominio de aplicabilidad (DoA), lo que conduce a una confianza potencialmente engañosa en las predicciones para materiales no vistos o valores extremos.

Metodología
Los autores desarrollaron un flujo de trabajo de cribado de multifidelidad escalable que integra un modelo de ML aumentado con simulaciones computacionales para cribar aproximadamente 5.5 millones de compuestos de las bases de datos GNoME y Alexandria.

1. Modelo de Bosque Aleatorio Aumentado:

   • Modelo Base: Construido sobre un modelo de RF publicado previamente, entrenado con 5.0332 funciones de trabajo calculadas mediante DFT sin relajar.
   • Calibración de la Incertidumbre: Las estimaciones de incertidumbre bruta (desviación estándar de las predicciones de los árboles) se calibraron utilizando un método de bootstrap calibrado. Este proceso escala linealmente la incertidumbre para asegurar que los valores $z$ sigan una distribución normal estándar, alineando las barras de error predichas con los errores reales observados.
   • Dominio de Aplicabilidad (DoA): Se ajustó un modelo de Estimación de Densidad de Núcleo (KDE) al espacio de características de entrenamiento para cuantificar la disimilitud de los nuevos candidatos. Se calculó una puntuación de disimilitud ($d$); las predicciones con $d > 0.97$ fueron marcadas como fuera de dominio (OD) y filtradas para evitar errores de extrapolación.

2. Flujo de Trabajo de Cribado de Multifidelidad:

   • Filtrado Inicial: De GNoME y Alexandria, se filtraron los compuestos por elementos no radiactivos, estabilidad termodinámica ($E_{hull} \le 50$ meV/átomo) y carácter metálico (usando una red neuronal de grafos para predecir brechas de banda equivalentes a HSE, excluyendo aquellas con $E_{gap} > 0$).
   • Enumeración de Superficies: Se enumeraron las superficies de bajo índice ((100), (001), (010), (110), (101), (111)) para aproximadamente 355,000 compuestos voluminosos (bulk), generando aproximadamente 11 millones de terminaciones superficiales únicas.
   • Cribado por ML: El modelo de RF aumentado predijo las funciones de trabajo, las incertidumbres calibradas y las puntuaciones de DoA. Solo se retuvieron las predicciones dentro del dominio (ID) ($d \le 0.97$).
   • Relajación Superficial: Aproximadamente 20,000 superficies con mejor clasificación (funciones de trabajo extremadamente bajas y altas) se sometieron a relajación de geometría utilizando el Potencial Interatómico de Aprendizaje Automático Universal (U-MLIP) M3GNet. Este paso fue crucial, ya que la relajación superficial altera significativamente los valores de la función de trabajo.
   • DFT Dirigido: La validación final de alta fidelidad se realizó mediante DFT (VASP, funcional PBE) en las superficies relajadas más prometedoras para confirmar los valores de la función de trabajo.

Resultados Clave

• Desempeño del Modelo: El modelo de RF aumentado logró un $R^2$ de 0.995 y un MAE de 0.032 eV en el conjunto de datos completo. La validación cruzada demostró una fuerte generalización a materiales no vistos (MAE $\approx 0.12$ eV), aunque la extrapolación a valores fuera de la distribución de entrenamiento (por ejemplo, $<2$ eV o $>10$ eV) siguió siendo un desafío sin el filtrado de DoA.
• Incertidumbre y DoA: La calibración mejoró significativamente la consistencia estadística de las estimaciones de incertidumbre, llevando la desviación estándar de los valores $z$ de 0.676 a 0.999. El filtro de DoA ($d \le 0.97$) separó con éxito las predicciones fiables de las no fiables, reduciendo el área de la descalibración y asegurando que los recursos de seguimiento se centraran en candidatos de alta confianza.
• Resultados del Cribado: El flujo de trabajo identificó:
  • 209 superficies con funciones de trabajo extremadamente bajas ($\Phi_{DFT} < 2.0$ eV), correspondientes a 136 materiales únicos.
  • 227 superficies con funciones de trabajo extremadamente altas ($\Phi_{DFT} > 6.0$ eV), correspondientes a 172 materiales únicos.
• Tendencias Químicas:
  • $\Phi$ Baja: Las superficies terminadas por metales alcalinos, alcalinotérreos y lantánidos exhibieron consistentemente funciones de trabajo bajas. Notablemente, las terminaciones ricas en lantánidos estuvieron fuertemente asociadas con valores extremadamente bajos.
  • $\Phi$ Alta: Las superficies que contienen metaloides, fósforo, azufre o selenio en la capa superior se correlacionaron con funciones de trabajo excepcionalmente altas.
  • Importancia de las Características: El análisis SHAP reveló que la electronegatividad mínima de los elementos de la capa superior fue el predictor dominante, seguido por el número de Mendeleev y la primera energía de ionización.

Significancia y Reivindicaciones
El artículo afirma demostrar una estrategia escalable que aprovecha el ML consciente de la incertidumbre y los esfuerzos computacionales de multifidelidad para acelerar el descubrimiento de materiales con funciones de trabajo extremas. Al integrar la calibración de la incertidumbre y la evaluación de DoA, los autores proporcionan un marco que mejora la robustez de la predicción y filtra extrapolaciones no fiables, lo cual es crítico para el descubrimiento autónomo de materiales. El estudio destaca que la relajación superficial es un paso no negociable en los flujos de trabajo de cribado, ya que puede desplazar los valores de la función de trabajo por cientos de meV. Además, el trabajo revela tanto principios químicos establecidos (por ejemplo, la terminación de alcalinos que reduce la $\Phi$) como motivos menos convencionales (por ejemplo, superficies ricas en lantánidos o terminadas en fósforo), ofreciendo una base basada en datos para diseñar materiales para aplicaciones avanzadas de electrónica, conversión de energía y catálisis. Los autores enfatizan que, si bien el estudio actual se centró en compuestos metálicos, la metodología proporciona una vía para trabajos futuros en semiconductores e aislantes.