SoLiD26: A First Principles Solid-Liquid Interface Dataset for Machine-learned Interatomic Potentials

En el mundo oculto de la ciencia de materiales, algunos de los procesos más críticos no ocurren en el centro de un bloque sólido o flotando libremente en un líquido, sino justo donde ambos se encuentran. Este límite, conocido como la interfaz sólido-líquido, es donde las baterías se cargan, donde los catalizadores aceleran las reacciones químicas y donde los metales comienzan a corroerse. Para comprender estos procesos, los científicos recurren a simulaciones por computadora que actúan como microscopios virtuales, permitiéndoles observar cómo los átomos se mueven e interactúan. Durante décadas, la forma más precisa de hacer esto ha sido resolver ecuaciones complejas basadas en las leyes de la mecánica cuántica para cada uno de los átomos del sistema. Aunque es increíblemente precisa, este método es tan computacionalmente pesado que solo puede simular un puñado minúsculo de átomos durante un tiempo muy corto, como si se viera un solo fotograma de una película. Para ver la historia completa de cómo se degrada una batería o cómo funciona un catalizador, los investigadores necesitan simular millones de átomos durante períodos mucho más largos, una tarea que los métodos tradicionales simplemente no pueden manejar.

Para cerrar esta brecha, los científicos han desarrollado una nueva generación de herramientas llamadas potenciales interatómicos aprendidos mediante aprendizaje automático (machine-learned interatomic potentials). Piense en ellos como atajos inteligentes: primero se le enseña a un programa informático mediante el método lento y preciso de la mecánica cuántica, y luego este aprende a predecir cómo se comportarán los átomos con una velocidad increíble, permitiendo simulaciones de sistemas masivos. Sin embargo, para que estos atajos funcionen bien en el mundo desordenado y complejo donde los sólidos se encuentran con los líquidos, deben ser entrenados con datos que capturen específicamente ese entorno único. Hasta ahora, la mayoría de los datos de entrenamiento se han centrado en moléculas aisladas o cristales perfectos, dejando un vacío de conocimiento sobre cómo interactúan los sólidos y los líquidos. Un equipo de investigadores de la Universidad Técnica de Dinamarca ha llenado ahora este vacío creando una biblioteca masiva y especializada de datos diseñada específicamente para estas interfaces.

Los investigadores, liderados por Jonas Busk y Tejs Vegge, compilaron un conjunto de datos que llaman SoLiD26. Este no es una pequeña colección de ejemplos; es un vasto archivo que contiene más de 15 millones de estructuras atómicas distintas. Cada estructura representa una instantánea de un sistema donde un metal sólido se encuentra con agua o electrolito líquido, capturando la danza caótica de los átomos mientras se organizan, se enlazan y se separan. El conjunto de datos incluye sistemas con hasta 576 átomos y cuenta con 15 elementos químicos diferentes, que van desde el hidrógeno y el oxígeno comunes hasta metales preciosos como el oro, el platino y el cobre. Estas instantáneas fueron generadas mediante un método riguroso llamado teoría del funcional de la densidad, que calcula la energía y las fuerzas que actúan sobre cada átomo con alta precisión. El equipo recopiló estos cálculos de numerosos estudios previos sobre interfaces metal-agua y sistemas electroquímicos, y luego los organizó y limpió cuidadosamente en un recurso único y coherente.

El proceso de construcción de este conjunto de datos fue meticuloso. Los investigadores comenzaron recopilando datos brutos de varios proyectos, pero sabían que no todos los datos son iguales. Filtraron los cálculos que utilizaban configuraciones inconsistentes o que contenían errores, como estructuras donde las fuerzas sobre los átomos eran irrealmente altas. También eliminaron las entradas duplicadas para asegurar que los modelos de aprendizaje automático no se sesgaran al ver el mismo ejemplo demasiadas veces. Para detectar errores sutiles que pudieran pasar desapercibidos en controles simples, utilizaron un modelo de aprendizaje automático preliminar para escanear los datos en busca de valores atípicos: estructuras extrañas que el modelo no podía predecir bien, lo que a menudo indicaba un problema con el cálculo original. Este riguroso proceso de limpieza aseguró que la biblioteca final contuviera únicamente información de alta calidad y fiable, convirtiéndola en una base confiable para el entrenamiento de nuevos modelos de IA.

La verdadera prueba de este conjunto de datos fue determinar si realmente podía enseñar a un modelo de aprendizaje automático a comprender mejor las interfaces sólido-líquido que los modelos existentes. El equipo tomó un modelo de IA potente y preexistente y lo entrenó con sus nuevos datos. Compararon este nuevo modelo con la versión preentrenada original y con un modelo entrenado desde cero con los nuevos datos. Los resultados fueron claros: los modelos entrenados con SoLiD26 cometieron significativamente menos errores al predecir la energía y las fuerzas dentro de estos sistemas complejos. Específicamente, el error al predecir cómo los átomos se empujan y se atraen disminuyó a aproximadamente un tercio de lo que era antes. Esta mejora sugiere que el conjunto de datos enseñó con éxito a la IA las reglas únicas que gobiernan cómo se comportan juntos los sólidos y los líquidos, reglas que faltaban en los datos de entrenamiento generales utilizados anteriormente.

Si bien el conjunto de datos es un paso significativo hacia adelante, los investigadores advierten cuidadosamente que es una herramienta para el desarrollo y no una solución final. Los modelos entrenados con estos datos aún necesitan mayor refinamiento, y las pruebas actuales se centraron en tipos específicos de elementos químicos y tamaños de sistema. Sin embargo, la disponibilidad de esta biblioteca de 100 gigabytes, que incluye registros detallados de posiciones, fuerzas y energías atómicas, abre la puerta para que científicos de todo el mundo construyan mejores simulaciones. Al proporcionar un recurso compartido y de alta calidad para la interfaz sólido-líquido, SoLiD26 permite a los investigadores ir más allá de las limitaciones de las simulaciones a pequeña escala y comenzar a modelar los materiales complejos del mundo real que impulsan nuestro futuro energético. El trabajo demuestra que, con los datos adecuados, el aprendizaje automático finalmente puede abordar las intrincadas fronteras donde la química y la física colisionan.