Accelerating Discovery of Extreme Lattice Thermal Conductivity by Crystal Attention Graph Neural Network (CATGNN) Using Chemical Bonding Intuitive Descriptors

技術要約：結晶グラフ・アテンション・ネットワークと化学結合による極限格子熱伝導率の加速的発見

問題提起
極端な格子熱伝導率（LTC）を持つ結晶材料（熱電変換や断熱のための超低熱伝導、あるいは電子冷却のための超高熱伝導）の発見は、フォノン輸送メカニズムの複雑さによって阻まれている。原子質量と結合強度の関係を示すSlackのモデルのような基本的な物理法則は存在するものの、これらはしばしば定量的な予測において不正確であり、特に多様な材料クラスに対しては限界がある。一方、密度汎関数理論（DFT）とフォノン・ボルツマン輸送方程式（BTE）を組み合わせた高精度な第一原理手法は、数千のスーパーセルに対して相互作用力定数（IFC）を計算する必要があるため、ハイスループット・スクリーニングには計算コストが高すぎる。既存の機械学習（ML）モデルによるLTCの予測は、訓練データセットの小ささや、幅広い材料ファミリーへの転移性の欠如に制限されることが多い。物理的な直感とハイスループットな発見の間の溝を埋めることができる、電子構造に基づいた高速かつ正確な記述子（デシクリプタ）が切実に求められている。

手法
著者らは、新しい化学結合記述子とディープラーニング・アーキテクチャを統合したワークフローを提案し、材料スクリーニングを加速させる：

1. 記述子の開発： 2つの新しい結合記述子、**正規化負積分結晶軌道ハミルトニアン軌道占有数（normalized -ICOHP）および正規化積分結晶軌道結合指数（normalized ICOBI）**を導入した。
   • これらは、DFT緩和構造を用いたLOBSTERソフトウェアによる結晶軌道ハミルトニアン占有数（COHP）および結晶軌道結合指数（COBI）の計算から導出される。
   • 決定的な点として、著者らはこれらの値を、全サイトからの化学的に直感的な投影軌道の数によって正規化している。この正規化により、生のICOHP/ICOBI値が原子数や結合数に応じてスケールしてしまうという問題を解決しており、異なる化学量論や相（例：立方晶系と六方晶系のBAs）の間での比較を可能にしている。
2. データセット生成： Open Quantum Materials Database (OQMD) およびその他のソースから得られた4,777個の無機結晶に対して第一原理計算を行った。動的安定性スクリーニング（虚数のフォノン周波数の不在）およびCOHP/COBIの収束確認を経て、LTC、平均二乗変位（MSD）、およびこれら2つの新記述子を含む約4,550個の材料からなるデータセットを生成した。
3. 機械学習モデル (CATGNN)： 結晶構造から記述子を直接予測するための**結晶アテンション・グラフニューラルネットワーク（CATGNN）**を開発した。
   • このアーキテクチャは、ノード特徴（CGCNN特徴）、ノード属性（原子番号）、エッジ特徴（球面調和関数）、およびエッジ属性（結合距離のガウス展開）を組み込んでいる。
   • 新しい層として、「マルチヘッド拡張結晶アテンション」と「シングルヘッド原子アテンション」が含まれており、複雑な局所的および全域的な結合環境を捉える。
   • モデルはDFT生成データセットで訓練され、ベースラインモデル（CGCNN、勾配ブースティング、ランダムフォレスト）を上回り、normalized -ICOHPで97.4%、normalized ICOBIで97.8%の$R^2$を達成した。
4. ハイスループット・スクリーニング： 訓練されたCATGNNモデルを用いて、OQMD、ICSD、Materials Cloudから得られた約200,000個の非ゼロバンドギャップ構造に対して記述子を予測した。
5. 検証パイプライン： 極端な記述子値を持つ候補をCHGNetモデルを通じて動的安定性でフィルタリングした後、最も有望な候補に対してShengBTEを用いたIFCおよびLTCの厳密なDFT計算を行った。

主な貢献

• 新規記述子： 本論文は、normalized -ICOHPおよびnormalized ICOBIが、未正規化の値や平均原子質量よりも優れたLTC記述子であることを確立した。これらは、多様な材料クラスにわたってLTCおよびMSDの両方と強い相関を示している。
• 物理的洞察： 本研究は、高いLTCが高い正規化記述子（強い結合と深いポテンシャルの井戸を示す）と相関し、低いLTCが低い記述子（弱い結合、浅いポテンシャルの井戸、および高い非調和性／ラトリングを示す）と相関することを実証している。
• 単純なルールの反駁： 著者らは、反結合状態の存在（しばしば低LTCの原因として挙げられる）が、必ずしも低LTCの十分条件ではないこと、また高い原子質量が決定的な予測因子ではないことを示した。正規化された記述子は、より普遍的なスクリーニング指標を提供する。
• 加速的発見フレームワーク： CATGNNをこれらの記述子と統合することで、初期の発見フェーズにおける高価なDFT+BTE計算を回避し、数十万の材料の迅速なスクリーニングが可能になる。

結果

• 相関分析： 約4,500個の材料データセットの統計分析により、normalized -ICOHPおよびICOBIはLTCに対してそれぞれ0.47および0.66のピアソン相関係数を持ち、平均質量（-0.28）を上回ることが明らかになった。
• スクリーニング結果： 約200,000個のスクリーニング構造から、極端な記述子値に基づいて900個の候補が選出された。
  • 超低LTC： 動的に安定な106個の材料がLTC < 5 Wm⁻¹K⁻¹として特定された。特筆すべきは、そのうち68%がLTC < 2 Wm⁻¹K⁻¹であったことである。予測された最低LTCは0.16 Wm⁻¹K⁻¹ (Cs₄Na₂BiAs) であった。
  • 超高LTC： LCT > 100 Wm⁻¹K⁻¹ を持つ安定な13個の材料が特定された。これらには、様々な炭素同素体（例：C42で2037.5 Wm⁻¹K⁻¹）、BN、BC₂N、BPが含まれる。
• 元素トレンド： 分析により、低LTC候補には第1族元素（Na, K, Rb, Cs）およびハロゲン（F, Cl, Br, I）が頻繁に現れ、高LTC材料にはBe, B, C, N, Al, Si、および特定の遷移金属（Ti, V, Crなど）が多用されていることが浮き彫りになった。

意義と主張
本論文は、本研究が結晶材料のハイスループットな発見および逆設計のための「迅速かつ信頼できる経路」を提供すると主張している。電子レベルの化学結合記述子にスクリーニングの根拠を置くことで、本手法はフォノン輸送に関する物理的直感を強化している。著者らは、本アプローチが経験的なモデル（Slackのモデルなど）の限界と、フルDFT+BTEワークフローの計算コストを克服すると主張している。超低LTCおよび超高LTCの安定な材料をそれぞれ106個、13個特定したことは、記述子およびCATGNNモデルの有効性を検証している。著者らは、このワークフローを熱絶縁、熱電変換、および電子冷却のための材料開発を加速させるためのツールとして位置づけており、同時に、直感的な化学結合原理に基づく将来の逆設計のためのフレームワークも提供している。