Screening 39 billion protostructures for materials discovery

Sintesi Tecnica: Screening di 39 Miliardi di Protostrutture per la Scoperta di Materiali

Definizione del Problema
Il campo della previsione della struttura cristallina (CSP) è centrale per la scoperta di materiali, ma affronta un collo di bottiglia combinatorio. Lo spazio di tutti i possibili materiali è vasto, rendendo difficile un'esplorazione sistematica e non influenzata da pregiudizi. Gli approcci esistenti si basano ampiamente su dati provenienti da repository come ICSD, AFLOW e Materials Project, che sono distorti verso prototipi strutturali noti (circa 8.000 tipi osservati). I metodi che utilizzano l'IA generativa o prior statistiche derivate da questi database ereditano tale distorsione, limitando la capacità di scoprire strutture profondamente diverse da quelle già note. Inoltre, l'intero spazio configurazionale di un cristallo con $N$ atomi comporta $6+3N$ gradi di libertà continui, rendendo l'enumerazione esaustiva computazionalmente intrattabile per sistemi complessi.

Metodologia
Gli autori propongono un framework ad alto rendimento in due fasi, progettato per scalare l'esplorazione strutturale di ordini di grandezza mantenendo una copertura non influenzata dai pregiudizi dello spazio configurazionale.

1. Prescreening a Grana Grossa (Protostrutture):

   • Rappresentazione: Gli autori utilizzano le "protostrutture", una rappresentazione a grana grossa che specifica il gruppo spaziale di un cristallo, gli elementi chimici e le posizioni di Wyckoff occupate dagli atomi, senza definire esplicitamente le coordinate atomiche o i parametri reticolari. Ciò riduce significatamente i gradi di libertà.
   • Enumerazione: Essi enumerano sistematicamente tutte le protostrutture con simmetria distinta per composti binari e ternari utilizzando elementi dal litio al bromo (escludendo i gas nobili). L'enumerazione è limitata a una complessità strutturale di cinque atomi nell'unità asimmetrica e un massimo di 64 atomi nella cella unitaria. Ciò produce circa 39 miliardi di protostrutture.
   • Modello di Machine Learning (Wren): Il modello Wren (Wyckoff Representation Network), un'architettura basata su transformer reimplementata utilizzando JAX per l'accelerazione tramite GPU, viene utilizzato per predire l'energia di formazione di queste protostrutture. Il modello è addestrato sul database Alexandria (dataset PBE 3D, ~4,5 milioni di strutture).
   • Efficienza: Il modello Wren reimplementato raggiunge un aumento di 40 volte del throughput di inferenza rispetto alle precedenti implementazioni GPU, permettendo la valutazione di milioni di protostrutture al secondo.
   • Filtraggio: Viene costruito un inviluppo convesso di stabilità termodinamica utilizzando le energie predette da Wren. Le protostrutture predette trovarsi più di 100 meV/atomo sopra l'inviluppo convesso di Alexandria vengono scartate. Questa fase trattiene circa 15,7 milioni di candidati (lo 0,04% del totale).

2. Esplorazione a Grana Fine e Rilassamento:

   • Concretizzazione: Le protostrutture trattenute vengono convertite in strutture cristalline esplicite. I gradi di libertà (parametri reticolari e coordinate atomiche entro i vincoli di Wyckoff) vengono campionati utilizzando il Latin Hypercube Sampling (LHS). Il numero di campioni è determinato euristicamente in base ai gradi di libertà e agli atomi.
   • Stima del Volume Iniziale: Un modello di regressione lineare predice i raggi atomici effettivi in base all'identità chimica e alla coordinazione per stimare i volumi iniziali della cella unitaria, evitando geometrie di partenza non fisiche.
   • Rilassamento: Le strutture generate subiscono un'ottimizzazione della geometria vincolata dalla simmetria utilizzando il potenziale interatomico MACE (Machine-learning Atomic Cluster Expansion, versione MPA-0). Ciò assicura che il rilassamento rispetti la simmetria originale della protostruttura.
   • Validazione: Una fase di validazione secondaria utilizza il potenziale neurale ORB. Le strutture vengono trattenute solo se le predizioni di energia di MACE e ORB concordano entro 100 meV/atomo.
   • Output: Questa fase produce 81 milioni di strutture cristalline localmente rilassate.

Risultati Chiave

• Scala: Il workflow ha sottoposto screening a 39 miliardi di protostrutture, risultando in un dataset di 81 milioni di strutture cristalline rilassate.
• Stabilità: All'interno dello spazio chimico esaminato (Li–Br, binario/ternario, complessità $\le$ 5, cella unitaria $\le$ 64 atomi), gli autori hanno identificato 456.110 strutture con un'entalpia di decomposizione ($H_d$) inferiore a 100 meV/atomo rispetto all'inviluppo convesso.
• Novità: Queste strutture coprono 91.295 prototipi cristallini unici. Fondamentalmente, 88.498 di questi prototipi non sono presenti nei database esistenti (Alexandria o GNoME).
• Validazione:
  • Sistemi Noti: Il metodo è stato validato sui sistemi Hf-Zn-N, Ti-Zn-N e Zr-Zn-N. Ha ridiscoperto con successo fasi note e ha identificato una fase ternaria mancante (Hf$_6$Zn$_6$N) che era stata omessa in uno screening precedente a causa di limiti nel conteggio delle strutture.
  • Verifica DFT: Sono stati eseguiti calcoli DFT ad alto rendimento su 2.303 nuove strutture con $H_d \le 0$. Di queste, 631 sono rimaste sotto lo zero (sull'inviluppo convesso), e le restanti sono rimaste entro 25 meV/atomo dall'inviluppo.
  • Analisi dell'Errore: L'errore assoluto medio delle predizioni MLIP rispetto a DFT in Alexandria è di 33 meV/atomo. La distribuzione dell'errore mostra un bias verso energie di formazione più elevate (falsi negativi), suggerendo che la metodologia sia conservativa.

Significato e Rivendicazioni
L'articolo sostiene di fornire una mappa sistematica dello spazio composizionale-strutturale a bassa energia e un ampio pool strutturato di candidati per la valutazione delle proprietà a valle.

• Superamento del Bias: Utilizzando le protostrutture e evitando prior basati su database strutturali esistenti, il workflow supera il bias del "prior strutturale" intrinseco nella maggior parte degli attuali metodi CSP, consentendo la scoperta di nuovi prototipi in regioni inesplorate.
• Scalabilità: L'approccio in due fasi (prescreening a grana grossa seguito da rilassamento a grana fine) affronta con successo l'esplosione combinatoria, rendendo fattibile lo screening di decine di miliardi di candidati.
• Diversità: La scoperta di quasi 90.000 nuovi prototipi rappresenta un "vero cambiamento qualitativo" nella diversità strutturale dei database di materiali rispetto agli sforzi precedenti (ad esempio, Alexandria ha circa 8.449 prototipi sotto limiti simili; GNoME ne ha circa 2.253).
• Fondamento per il Lavoro Futuro: Gli autori osservano che, sebbene l'attuale screening sia massivo, la metodologia fornisce una base scalabile. Suggeriscono che riaddestrare il modello di prescreening con una maggiore precisione potrebbe ridurre ulteriormente il numero di sistemi che richiedono il costoso rilassamento della seconda fase, permettendo potenzialmente lo screening di complessità strutturali più elevate attraverso l'intera tavola periodica.

Il lavoro non rivendica la sintesi sperimentale di questi materiali, ma posiziona il dataset come una risorsa per guidare la futura progettazione sperimentale e teorica dei materiali.