Screening 39 billion protostructures for materials discovery

Résumé Technique : Criblage de 39 milliards de protostructures pour la découverte de matériaux

Énoncé du problème
Le domaine de la prédiction des structures cristallines (CSP) est central à la découverte de matériaux, mais il fait face à un goulot d'étranglement combinatoire. L'espace de tous les matériaux possibles est vaste, ce qui rend l'exploration systématique et non biaisée difficile. Les approches existantes reposent largement sur les données provenant de répertoires tels que l'ICSD, AFLOW et Materials Project, qui sont biaisées vers des prototypes structurels connus (environ 8 000 types observés). Les méthodes utilisant l'IA générative ou des priors statistiques dérivés de ces bases de données héritent de ce biais, limitant leur capacité à découvrir des structures très différentes de celles déjà connues. De plus, l'espace configurationnel complet d'un cristal avec $N$ atomes implique $6+3N$ degrés de liberté continus, rendant l'énumération exhaustive numériquement intractable pour les systèmes complexes.

Méthodologie
Les auteurs proposent un cadre à haut débit en deux étapes, conçu pour augmenter l'exploration structurelle de plusieurs ordres de grandeur tout en maintenant une couverture non biaisée de l'espace configurationnel.

1. Présélection à grain grossier (Protostructures) :

   • Représentation : Les auteurs utilisent des « protostructures », une représentation à grain grossier qui spécifie le groupe d'espace d'un cristal, les éléments chimiques et les positions de Wyckoff occupées par les atomes, sans définir de coordonnées atomiques explicites ni de paramètres de maille. Cela réduit considérablement les degrés de liberté.
   • Énumération : Ils énumèrent systématiquement toutes les protostructures distinctes par symétrie pour les composés binaires et ternaires en utilisant des éléments allant du lithium au brome (en excluant les gaz nobles). L'énumération est restreinte à une complexité structurelle de cinq atomes dans la maille asymétrique et un maximum de 64 atomes dans la maille élémentaire. Cela produit environ 39 milliards de protostructures.
   • Modèle d'apprentissage automatique (Wren) : Le modèle Wren (Wyckoff Representation Network), une architecture de type transformer réimplémentée à l'aide de JAX pour l'accélération GPU, est utilisé pour prédire l'énergie de formation de ces protostructures. Le modèle est entraîné sur la base de données Alexandria (jeu de données PBE 3D, ~4,5 millions de structures).
   • Efficacité : Le modèle Wren réimplémenté atteint une augmentation de 40 fois du débit d'inférence par rapport aux implémentations GPU précédentes, permettant l'évaluation de millions de protostructures par seconde.
   • Filtrage : Une enveloppe convexe de stabilité thermodynamique est construite en utilisant les énergies prédites par Wren. Les protostructures prédites comme se situant plus de 100 meV/atome au-dessus de l'enveloppe convexe d'Alexandria sont écartées. Cette étape retient environ 15,7 millions de candidats (0,04 % du total).

2. Exploration et relaxation à grain fin :

   • Concrétisation : Les protostructures retenues sont converties en structures cristallines explicites. Les degrés de liberté (paramètres de maille et coordonnées atomiques au sein des contraintes de Wyckoff) sont échantillonnés à l'aide de l'échantillonnage par hypercube latin (LHS). Le nombre d'échantillons est déterminé de manière heuristique en fonction du nombre de degrés de liberté et d'atomes.
   • Estimation initiale du volume : Un modèle de régression linéaire prédit les rayons atomiques effectifs en fonction de l'identité chimique et de la coordination pour estimer les volumes initiaux des mailles élémentaires, évitant ainsi des géométries de départ non physiques.
   • Relaxation : Les structures générées subissent une optimisation de la géométrie sous contrainte de symétrie en utilisant le potentiel interatomique MACE (Machine-learning Atomic Cluster Expansion, version MPA-0). Cela garantit que la relaxation respecte la symétrie de la protostructure d'origine.
   • Validation : Une étape de validation secondaire utilise le potentiel neuronal ORB. Les structures ne sont conservées que si les prédictions d'énergie de MACE et d'ORB concordent à 100 meV/atome près.
   • Sortie : Cette étape produit 81 millions de structures cristallines localement relaxées.

Résultats clés

• Échelle : Le flux de travail a criblé 39 milliards de protostructures, aboutissant à un ensemble de 81 millions de structures cristallines relaxées.
• Stabilité : Dans l'espace chimique criblé (Li–Br, binaire/ternaire, complexité $\le$ 5, maille $\le$ 64 atomes), les auteurs ont identifié 456 110 structures avec une enthalpie de décomposition ($H_d$) inférieure à 100 meV/atome par rapport à l'enveloppe convexe.
• Nouveauté : Ces structures couvrent 91 295 prototypes cristallins uniques. Crucialement, 88 498 de ces prototypes ne sont pas présents dans les bases de données existantes (Alexandria ou GNoME).
• Validation :
  • Systèmes connus : La méthode a été validée sur les systèmes Hf-Zn-N, Ti-Zn-N et Zr-Zn-N. Elle a réussi à redécouvrir des phases connues et à identifier une phase ternaire manquante (Hf$_6$Zn$_6$N) qui avait été omise dans un criblage précédent limité en raison de plafonds sur le nombre de structures.
  • Vérification DFT : Des calculs DFT à haut débit ont été effectués sur 2 303 nouvelles structures avec $H_d \le 0$. Parmi elles, 631 sont restées en dessous de zéro (sur l'enveloppe convexe), et les autres sont restées à moins de 25 meV/atome de l'enveloppe.
  • Analyse d'erreur : L'erreur absolue moyenne des prédictions MLIP par rapport à la DFT dans Alexandria est de 33 meV/atome. La distribution des erreurs montre un biais vers des énergies de formation plus élevées (faux négatifs), suggérant que la méthodologie est conservatrice.

Signification et revendications
L'article affirme fournir une carte systématique de l'espace compositionnel-structurel de basse énergie et un vaste réservoir structuré de candidats pour l'évaluation ultérieure des propriétés.

• Surmonter le biais : En utilisant des protostructures et en évitant les priors basés sur des bases de données structurelles existantes, le flux de travail surmonte le biais de « priorité structurelle » inhérent à la plupart des méthodes actuelles de CSP, permettant la découverte de nouveaux prototypes dans des régions inexplorées.
• Évolutivité : L'approche en deux étapes (présélection à grain grossier suivie d'une relaxation à grain fin) répond avec succès à l'explosion combinatoire, rendant possible le criblage de dizaines de milliards de candidats.
• Diversité : La découverte de près de 90 000 nouveaux prototypes représente un « véritable changement qualitatif » de la diversité structurelle des bases de données de matériaux par rapport aux efforts précédents (par exemple, Alexandria possède environ 8 449 prototypes sous des limites similaires ; GNoME en possède environ 2 253).
• Fondation pour des travaux futurs : Les auteurs notent que bien que le criblage actuel soit massif, la méthodologie fournit une base évolutive. Ils suggèrent que le réentraînement du modèle de présélection avec une précision accrue pourrait réduire davantage le nombre de systèmes nécessitant une relaxation coûteuse en seconde étape, permettant potentiellement le criblage de complexités structurelles plus élevées à travers le tableau périodique.

Ce travail ne prétend pas avoir synthétisé expérimentalement ces matériaux, mais positionne l'ensemble de données comme une ressource pour guider la conception expérimentale et théorique future des matériaux.