A wrong ground-state structure of HfO$_2$ predicted by machine-learning interatomic potentials based on the PBE functional

Cet article avertit que les potentiels interatomiques d'apprentissage automatique entraînés sur des données DFT basées sur PBE prédisent incorrectement la structure de l'état fondamental de HfO$_2$ en raison de la tendance de la fonctionnelle à surstabiliser les phases de faible densité, un défaut qui peut être atténué par l'utilisation de fonctions alternatives telles que PBEsol ou LDA.

L'essentiel

Imaginez que vous essayez de construire une carte parfaite d'une région montagneuse pour aider les randonneurs à trouver la vallée la plus basse (l'état fondamental). Dans le monde de la science des matériaux, cette vallée représente la forme la plus stable et naturelle que un matériau comme l'oxyde de hafnium (HfO₂) souhaite prendre.

Pendant longtemps, les scientifiques ont utilisé un outil puissant appelé Potentiels Interatomiques par Apprentissage Automatique (MLIPs). Considérez ces MLIPs comme des systèmes GPS super intelligents. Ils sont entraînés en leur fournissant des données provenant d'un « enseignant » appelé la Théorie de la Fonctionnelle de la Densité (DFT). Le « texte d'enseignement » le plus populaire utilisé pour entraîner ces systèmes GPS est un ensemble de règles spécifique appelé la fonctionnelle PBE.

Voici l'histoire de ce que l'article a découvert :

1. Le GPS s'est trompé de carte

Les chercheurs ont demandé à leur système GPS (le MLIP entraîné sur des données PBE) de trouver la vallée la plus basse pour l'HfO₂.

• Ce que le GPS a dit : « La vallée la plus basse est un endroit appelé I4₁/amd. C'est une structure à faible densité, spacieuse, où les atomes sont disposés selon un motif octaédrique spécifique (comme une boîte à six côtés). »
• Ce que la réalité dit : « Non, la vallée la plus basse est en réalité la structure monoclinique P2₁/c. C'est ce que les expériences dans le monde réel montrent clairement. »

Le GPS pointait avec assurance vers la mauvaise destination. Il affirmait que la structure « spacieuse » I4₁/amd était 17 unités plus stable que le véritable gagnant.

2. Le GPS est-il cassé, ou l'enseignant ment-il ?

Les chercheurs se sont demandé : Est-ce que nous avons mal construit le GPS, ou est-ce que l'enseignant (PBE) donne de mauvais devoirs ?

Ils ont testé cela en :

• Vérifiant d'autres modèles GPS pré-établis et célèbres (comme NequIP et MatterSim). Résultat : Ils pointaient tous vers la même mauvaise vallée « I4₁/amd ».
• Comparant les prédictions du GPS directement avec les données brutes de l'enseignant. Résultat : Le GPS faisait en fait son travail parfaitement ; il copiait simplement fidèlement les erreurs de l'enseignant.

Le verdict : Le GPS n'était pas cassé. L'enseignant PBE était le problème.

3. L'analogie des « vêtements amples »

Pourquoi l'enseignant PBE a-t-il commis cette erreur ?
Imaginez que la fonctionnelle PBE est comme un tailleur qui adore les vêtements amples et larges.

• Les structures « I4₁/amd » et « Pbcn » sont comme des tenues amples et spacieuses (faible densité, grands volumes).
• La structure « P2₁/c » est comme une tenue plus serrée et compacte.

Le tailleur PBE a un biais : il pense que les vêtements amples et spacieux sont plus confortables (énergie plus basse) qu'ils ne le sont réellement. À cause de ce biais, l'enseignant PBE a dit au GPS que la tenue spacieuse I4₁/amd était la meilleure, même si, en réalité, la tenue plus serrée P2₁/c est celle que le matériau préfère.

Lorsque les chercheurs ont essayé d'autres « tailleurs » (fonctionnelles comme PBEsol ou LDA), qui préfèrent des coupes plus serrées et compactes, la carte s'est corrigée. Soudain, la tenue « I4₁/amd » paraissait trop large et coûteuse, et la structure « P2₁/c » est redevenue le véritable champion.

4. Le voyage du randonneur (Commutation Ferroélectrique)

L'article a également examiné ce qui se passe lorsque l'HfO₂ change de forme (comme un randonneur changeant de sentier).

• Scénario A (Réseau Fixe) : Si vous forcez le randonneur à rester sur un chemin rigide (sans changer la taille de la carte), l'enseignant PBE « ample » et l'enseignant PBEsol « serré » donnent des directions similaires.
• Scénario B (Réseau Relaxé) : Si vous laissez le randonneur changer la taille du chemin (en permettant à la carte de s'étendre ou de se contracter), les deux enseignants donnent des directions radicalement différentes.
  • L'enseignant PBE (biais pour le relâchement) dit : « Prenez le chemin à travers la vallée spacieuse Pbcn car cela semble facile et aéré. »
  • L'enseignant PBEsol (biais pour la compacité) dit : « Non, ce chemin est trop large et instable. Prenez l'itinéraire plus serré et plus direct. »

Parce que l'enseignant PBE surestime le confort des chemins « spacieux », il mène la simulation sur une route complètement différente de ce qui se passerait réellement dans le monde réel.

La grande leçon

La principale conclusion est un avertissement pour quiconque utilise ces systèmes GPS de haute technologie (MLIPs) :

Ce n'est pas parce qu'un modèle d'apprentissage automatique est incroyablement précis pour copier ses données d'entraînement qu'il dit la vérité. Si l'« enseignant » (la fonctionnelle DFT) possède un biais intégré (comme aimer les vêtements amples), l'élève (le MLIP) apprendra ce biais parfaitement et prédira la mauvaise réponse avec assurance.

Pour obtenir une carte fiable du monde des matériaux, vous ne pouvez pas simplement faire confiance au modèle d'apprentissage automatique ; vous devez vous assurer que l'enseignant dont il a appris utilise les bonnes règles.

Résumé technique

Résumé Technique : Une structure d'état fondamental erronée de HfO₂ prédite par des potentiels interatomiques basés sur l'apprentissage automatique et la fonctionnelle PBE

Énoncé du problème
Les potentiels interatomiques basés sur l'apprentissage automatique (MLIP) sont devenus des outils essentiels pour les simulations de matériaux à grande échelle, offrant une précision proche de celle des premiers principes à une fraction du coût computationnel de la théorie de la fonctionnelle de la densité (DFT). Cependant, la fiabilité prédictive des MLIP est intrinsèquement liée à la qualité de leurs ensembles de données d'entraînement, qui sont principalement générés via la fonctionnelle d'approximation de gradient généralisé (GGA) de Perdew–Burke–Ernzerhof (PBE). Bien que PBE soit largement adoptée pour son efficacité et sa stabilité, sa capacité à décrire précisément les différences d'énergie subtiles entre les polymorphes concurrents dans des systèmes complexes comme l'oxyde de hafnium (HfO₂) reste une question critique. HfO₂ présente une forte compétition polymorphe (incluant les phases monoclinique, orthorhombique et tétragonale) et une haute sensibilité aux champs externes et à la déformation. Le problème central abordé dans ce travail est de savoir si les MLIP basés sur PBE peuvent capturer de manière fiable la structure correcte de l'état fondamental et les paysages énergétiques de HfO₂, ou si les erreurs inhérentes à la fonctionnelle PBE sont propagées et amplifiées par les modèles d'apprentissage automatique.

Méthodologie
Les auteurs ont employé une approche multidimensionnelle pour étudier la fiabilité des modèles basés sur PBE pour HfO₂ :

1. Entraînement de MLIP et recherche globale : Un MLIP spécifique basé sur l'architecture Allegro a été entraîné sur un ensemble de données généré via la dynamique moléculaire ab initio (AIMD) utilisant la fonctionnelle PBE (VASP). Ce potentiel a été utilisé pour mener des recherches structurelles globales à l'aide du logiciel CALYPSO afin d'identifier les structures de plus basse énergie.
2. Évaluation par rapport aux modèles de fondation : Pour déterminer si les résultats étaient spécifiques à leur modèle personnalisé, les auteurs ont effectué des recherches structurelles en utilisant plusieurs modèles de fondation pré-entraînés et largement utilisés, notamment NequIP-OAM-L, MatterSim-v1-5M et MACE-MP-0.
3. Comparaison des fonctionnelles : Les auteurs ont calculé les énergies relatives de diverses structures cristallines de HfO₂ (incluant les phases monoclinique $P2_1/c$, tétragonale $P4_2/nmc$, orthorhombique $Pca2_1$, et les phases $I4_1/amd$ nouvellement identifiées) en utilisant une gamme de fonctionnelles d'échange-corrélation : PBE, PBE-vdW, SCAN, PBEsol et l'approximation de la densité locale (LDA).
4. Analyse du basculement de polarisation : Pour évaluer l'impact du biais de la fonctionnelle sur les processus dynamiques, les auteurs ont calculé les chemins de basculement de polarisation pour l'HfO₂ orthorhombique ferroélectrique ($Pca2_1$) en utilisant à la fois PBE et PBEsol. Ces calculs ont été effectués sous des conditions de réseau fixe et de réseau relaxé en utilisant les méthodes de l'échelle de l'énergie élastique (NEB) et de la NEB de l'état solide généralisée (GSSNEB).

Résultats clés

• Identification d'un état fondamental incorrect : Le MLIP personnalisé basé sur PBE ainsi que plusieurs modèles de fondation publics (NequIP-OAM-L, MatterSim-v1-5M) ont incorrectement prédit une structure $I4_1/amd$ de basse énergie comme étant le minimum global pour HfO₂. Cette structure, qui ressemble au rutile TiO₂ et présente des unités octaédriques Hf–O à six coordination, s'est avérée être environ 17 meV/f.u. plus basse en énergie que l'état fondamental monoclinique $P2_1/c$ vérifié expérimentalement.
• Origine de l'erreur : Des calculs DFT comparatifs ont confirmé que les MLIP reproduisaient fidèlement les résultats de la DFT-PBE, prouvant que l'erreur n'était pas un artefact d'ajustement de l'apprentissage automatique mais un défaut intrinsèque de la fonctionnelle PBE elle-même. La phase $I4_1/amd$ est apparue comme la structure de plus basse énergie uniquement sous la fonctionnelle PBE. Lorsque d'autres fonctionnelles (PBE-vdW, SCAN, PBEsol, LDA) ont été utilisées, la phase $I4_1/amd$ est devenue nettement moins stable, devenant finalement la phase de plus haute énergie sous LDA.
• Sensibilité structurelle : L'erreur a été tracée jusqu'à la tendance de PBE à sur-stabiliser les structures de faible densité avec de grands volumes d'équilibre et des environnements de coordination spécifiques (Hf hexacoordonné, O tricoordonné). Les fonctionnelles qui favorisent des structures plus compactes, telles que PBEsol et LDA, pénalisent ces configurations de faible densité.
• Impact sur le basculement ferroélectrique : Le biais de la fonctionnelle a considérablement modifié les paysages énergétiques pour le basculement de la polarisation lors de la relaxation du réseau. Sous des conditions de réseau fixe, PBE et PBEsol ont produit des barrières similaires. Cependant, avec la relaxation du réseau, PBE a prédit un état intermédiaire de type $Pbcn$ distinct avec une barrière plus faible, tandis que PBEsol a maintenu un état de transition de type tétragonal conventionnel. Cela s'est produit parce que le paysage énergétique de PBE fait du $Pbcn$ un bassin de basse énergie compétitif, alors que PBEsol place ce dernier à une énergie beaucoup plus élevée.

Contributions clés

• Découverte d'un échec systématique des MLIP : L'étude révèle une prédiction d'état fondamental fallacieuse et non rapportée auparavant ($I4_1/amd$) commune à plusieurs MLIP de pointe basés sur PBE pour HfO₂.
• Attribution aux fonctionnelles d'échange-corrélation : Le travail démontre de manière définitive que les erreurs de prédiction des MLIP concernant les structures cristallines peuvent provenir directement de la fonctionnelle d'échange-corrélation utilisée pour générer les données d'entraînement, plutôt que de l'architecture d'apprentissage automatique ou du processus d'ajustement.
• Paysages énergétiques dépendants de la fonctionnelle : La recherche souligne que le choix de la fonctionnelle modifie fondamentalement la topologie de la surface d'énergie potentielle, particulièrement pour les processus impliquant de grandes relaxations de réseau, tels que les transitions de phase et le basculement ferroélectrique.
• Validation de fonctionnelles alternatives : L'étude montre que l'erreur peut être largement supprimée en utilisant des fonctionnelles alternatives comme PBEsol et LDA, qui prédisent correctement la structure monoclinique $P2_1/c$ comme état fondamental.

Signification et affirmations
Les auteurs présentent cette étude comme un avertissement critique à la communauté de la modélisation des matériaux. Ils affirment que bien que les MLIP soient puissants, leur fiabilité ne peut être jugée uniquement par leur capacité à reproduire les données de référence DFT. Si la fonctionnelle DFT sous-jacente contient des biais systématiques (tels que la surestimation des volumes par PBE pour certains environnements de coordination), le MLIP reproduira fidèlement ces erreurs, conduisant à des prédictions physiquement incorrectes des états fondamentaux et des voies de transition de phase. L'article souligne la nécessité d'évaluer soigneusement la validité physique de la fonctionnelle d'échange-corrélation utilisée pour l'entraînement, en particulier lors de la simulation de systèmes présentant une compétition polymorphe complexe et une relaxation de réseau. Les conclusions suggèrent que pour HfO₂ et des systèmes similaires, le recours à des modèles de fondation entraînés sur PBE sans validation de la fonctionnelle peut conduire à des conclusions trompeuses concernant la stabilité structurelle et les mécanismes de basculement.