XtalOpt Version 14: Variable-Composition Crystal Structure Search for Functional Materials Through Pareto Optimization

本論文は、パレート最適化を利用し、様々な計算ポテンシャルを統合することで、機能性材料の組成が変化する基底状態の結晶構造を効率的に予測する、強化された進化型多目的アルゴリズムであるXtalOpt Version 14を紹介するものである。

要約

あなたは、完璧な新しい料理のレシピを発見しようとしているマスターシェフだと想像してください。あなたは、単に美味しい（安定している）だけでなく、低カロリーであったり高タンパクであったりといった、特定の性質（機能的特性）を備えた、究極のバージョンの食事を見つけ出したいと考えています。

この論文は、XtalOpt バージョン14という、洗練されたコンピュータプログラムを紹介しています。これは、スーパーシェフの助手のような役割を果たします。その仕事は、最適なものを見つけ出すために、何百万もの潜在的な結晶「レシピ」（原子で作られた構造）を自動的に発明、テスト、改良することです。

以下に、この新しいバージョンがどのように機能するかを、簡単な比喩を用いて説明します。

1. 大きなアップグレード：可変的な材料での調理

以前のこのプログラムは、決まった量の材料（例：卵2個と小麦粉1カップ）で特定の料理しか作れないシェフのようなものでした。もし3個の卵で何が起こるかを知りたければ、全く新しい探索を最初からやり直さなければなりませんでした。

バージョン14は異なります。これは可変的な材料で調理することができます。異なる量の元素を混ぜ合わせたり組み合わせたりすること（例：卵2個を3個に変えたり、小麦粉1カップを2カップに変えたりする）で、どの組み合わせが最高の料理を作るかを見極めることができます。単に「卵2個のケーキ」の完璧な形を探すのではなく、正確な配合に関わらず、最高のケーキを見つけるためにパントリー全体を探索するのです。

2. 「パレート」戦略：最高の妥協点を見つける

新しい材料を探しているとき、しばしば相反する目標に直面します。例えば、非常に硬く、かつ非常に軽い材料が欲しいとします。通常、何かを硬くしようとすると、重くなってしまいます。

新しいバージョンは、**パレート最適化（Pareto Optimization）**と呼ばれる戦略を使用しています。あなたが車を購入している場面を想像してください。あなたは、速くて、安くて、安全な車を求めています。

• 従来の方法： これらを一つの「スコア」にまとめようとしました（例：速度 + コスト + 安全性 = 100ポイント）。これでは、結局どれも中途半端な「平均的な」車を選ばざるを得なくなることがよくありました。
• 新しい方法（パレート）： プログラムは、「ある特徴を向上させようとすると、別の特徴が損なわれる」という関係にある、「クラス最高の製品」のリストを見つけ出します。つまり、あなたにトップクラスの選択肢のメニューを提示するのです。「これが最も速い車です」「これが最も安い車です」「これが最も安全な車です」。これにより、科学者は無理に一つの恣意的な選択を強いられることなく、あらゆる最善のトレードオフを確認できるようになります 됩니다。

3. 遺伝的キッチン：レシピの混合と組み合わせ

このプログラムは、自然界における種の進化と同様の「進化論的」なアプローチを使用しています。まず、ランダムな結晶構造の集団からスタートし、それらを「繁殖」させてより優れたものを作ろうとします。

• 交叉（Mixing/Crossover）： 2つの親となる構造を取り出し、DNA鎖をスプライシングするように、それらを切り刻んで混ぜ合わせます。新しいバージョンでは、より多様な子孫を作るために、複数の箇所で親を切り分けることができます（例：パンを多くのスライスに切って、それらを入れ替えるようなイメージ）。
• 新しい突然変異（「Permutomic」と「Permucomp」のシェフ）：
  • Permutomic： これは、味を良くするために、ランダムに一つの材料（原子）を加えたり取り除いたりするシェフのようなものです。
  • Permucomp： これは、全く新しいものに挑戦するために、レシピの材料リスト（組成）を完全に変えてしまうシェフのようなものです。
  • 注： これらの新しい「シェフ」は、プログラムが材料の比率を変更することを許可されている場合にのみ機能します。

4. 「AIの味覚」の使用（機械学習）

伝統的に、結晶構造が安定しているかどうかをテストするには、非常に低速で負荷の高い物理シミュレーションを実行する必要がありました（例：すべてのケーキを焼くために、巨大で遅いオーブンを使うようなものです）。

XtalOpt 14は、機械学習ポテンシャル（Machine Learning Potentials）を使用するための特別なインターフェース・スクリプトを備えています。これは、シェフに「AIの味覚」を与えることを意味します。すべてのケーキを本物のオーブンで焼く代わりに、AIは材料に基づいて「そのケーキが美味しいかどうか」を瞬時に予測できます。これにより、プログラムは、以前は数個のテストにかかっていた時間で、何千ものレシピをテストできるようになり、新材料の探索を大幅に高速化しました。

5. キッチンを整理整頓する（類似性チェック）

大規模な探索を行う際、プログラムは誤って同じレシピを二度作成したり、あるいは、ほとんど同一のレシピ（例：少し回転させただけのケーキ）を作成したりすることがあります。

新しいバージョンは、より優れた**類似性チェック（Similarity Check）**を備えています。単に材料リストを見るだけでなく、ケーキの「形」を見ます。もし2つの構造が似すぎている場合（例：双子のような場合）、プログラムはそれらをマークし、同じものを二度テストして時間を無駄にしないようにします。このプログラムは、2つの構造が本当に異なるものかどうかを判断するために、数学的な「指紋」（径分布関数：Radial Distribution Function）を使用します。

6. 「コンベックスハル（凸包）」マップ

レシピが「勝者」であるかどうかを知るために、プログラムは**コンベックスハル（Convex Hull）**と呼ばれるマップに対してエネルギーをチェックします。

• マップ上の最も低い地点は、最も安定した完璧な結晶を表しています。
• プログラムは、新しい構造がこの「最低地点」からどれだけ離れているかを計算します。もし非常に低ければ、それは安定した有望な材料です。もし高い丘の上にいれば、それは不安定であり、崩壊する可能性があります。

まとめ

XtalOpt バージョン14は、科学者が新しい材料を発見するのを支援する、強力でオープンソースのツールです。以下の理由により、以前よりも速く、よりスマートになっています。

1. 材料の配合比率を自由に混ぜ合わせることができる（可変組成）。
2. 異なる目標間のベストなトレードオフを見つけ出す（パレート最適化）。
3. テストのプロセスを高速化するためにAIを活用する（機械学習ポテンシャル）。
4. 同じ作業を繰り返さないための優れたツールを備えている（類似性チェック）。

これは、より優れたバッテリーからより強い金属に至るまで、次世代の機能性材料のための「完璧なレシピ」を研究者が効率的に見つけることを目的として設計されています。

技術概要

技術要約：XtalOpt バージョン 14

問題提起
新規な機能性材料の発見には、広大な化学的および構造的空間における複雑なポテンシャルエネルギー面（PES）の効率的なナビゲーションが必要である。従来の結晶構造予測（CSP）手法は、固定組成の探索や単一目的のグローバル最適化に依存することが多く、これは組成が変化する（メタ）安定相や特定の目標特性を持つ相の発見を制限する可能性がある。機械学習（ML）原子間ポテンシャルやユニバーサル原子間ポテンシャル（UIP）は高スループットの能力を提供するが、既存の進化アルゴリズムは、可変組成（VC）探索のためのネイティブな統合や、パレート最適化を利用した多目的グローバル最適化（MOGO）の機能が不足していることが多い。さらに、構造の多様性を維持しつつ重複評価を回避しながら、多様な組成の探索に伴う計算コストを管理することも課題である。

手法
XtalOpt バージョン 14 は、可変組成探索を扱うために特別に設計された、進化型多目的グローバル最適化フレームワークに対する包括的なアップデートを導入している。コアとなるワークフローは、ユーザー定義の化学式に基づく初期集団の生成、局所的な構造緩和の実行、および集団を進化させるための遺伝的操作の反復適用を含む。

主な手法構成要素は以下の通りである：

• 可変組成（VC）探索： アルゴリズムは、組成空間にわたる探索をネイティブにサポートしている。ユーザーは chemicalFormulas 入力を通じて化学系を定義でき、これには固定組成、組成範囲（マルチ組成）、または完全な可変組成探索を指定できる。
• パレート最適化： 多目的問題（例：エネルギーの最小化と特定の特性の最大化の両立）に対処するため、コードは NSGA-II アルゴリズムを実装している。これは従来のスカラ適合関数に取って代わる、あるいはこれを補完するものである。親の選択は、非優劣ソート（パレートランク）と混雑距離に基づくバイナリトーナメント選択によって行われ、パレートフロントに沿った多様な解のセットを保証する。
• 強化された遺伝的操作：
  • マルチカット・クロスオーバー（Multi-cut Crossover）： 親の単位格子を複数の点で切断することで、混合された原子配置を持つ子世代を生成することを可能にする。
  • パーミュトミック（Permutomic）： 組成の変動を探索するために、親構造から単一の原子をランダムに追加または削除する VC 特有の操作。
  • パーミュコンプ（Permucomp）： 親の格子を歪ませ、新しい原子でデコレートすることにより、ランダムな組成と全原子数（ユーザー定義の上限まで）を持つ新しい構造を生成する VC 特有の操作。
  • ランダム・スーパーセル拡張（Random Supercell Expansion）： 構造をスーパーセルに拡張し、ランダムな原子を置換する二次的な突然変異であり、電荷密度波の探索に有用である。
• 凸包（Convex Hull）と参照エネルギー： 構造のエネルギー的な適合度は、凸包からの距離によって決定される。コードはこれを Qhull ライブラリを使用して計算する。MC および VC 探索において正確な凸包構築を行うためには、元素および関連するサブシステムの参照エネルギーをユーザーが定義する必要がある。
• ML および UIP の統合： このリリースには、Atomic Simulation Environment (ASE) を介して現代的な UIP（MACE, CHGNet, Orb, MatterSim）を用いた局所的な構造緩和を容易にする Python ラッパースクリプト (vasp_uip.py) が含まれている。これにより、数千の構造の迅速なスクリーニングが可能となり、その後に高精度な DFT 計算を行うことができる。
• 類似性および重複チェック： 重複を特定するための 2 つのモードを提供する。一つは厳密一致スキーム（XtalComp）であり、もう一つは、分子系やわずかな回転の違いに対して特に有用な、動径分布関数（RDF）に基づく新しい近似法である。

主な貢献

1. ネイティブな VC-MO 探索： パレート最適化と統合された可変組成探索の実装により、組成空間の探索と複数の材料特性の同時探索を可能にした。
2. 新しい遺伝的操作： 多元素の可変組成探索において集団を多様化するために特別に設計された permutomic および permucomp 操作の導入。
3. パレートフロントの実装： 親選択のための NSGA-II アルゴリズムの統合により、多目的問題に対する堅牢な代替手段を提供。
4. UIP インターフェース： ユニバーサル原子間ポテンシャルと XtalOpt を連携させるための使いやすいスクリプトの提供により、高スループット探索における構造緩和の計算コストを大幅に削減。
5. 洗練された入出力と制御： 入力フラグの慣習の更新（empiricalFormula から chemicalFormulas への変更）、共有結合半径に基づく新しい体積制約、および凸包の進化を監視するための強化された出力ファイル（hull.txt、movie スナップショットなど）。

結果と性能
Ti-O 系でのベンチマークでは、permutomic および permucomp 操作を含めることで、これらの操作を含まない探索と比較して、VC 探索で生成されるユニークな化学組成の数が 30% 以上増加することが示された。計算プロファイリングによれば、X-talOpt 自体が消費する CPU 時間は全体のわずかである（例：100 構造に対しては約 35% であり、外部の局所最適化タスクが支配的であるため、構造数が増えるにつれて減少する）。なお、親選択プロセス（特に非優劣ソート）は、最も計算負荷の高い内部タスクであり、コードの CPU 時間の約 7% を消費している。緩和に高速な UIP を使用することで、XtalOpt の内部タスクのオーバーヘッドは、総実行時間に対して無視できるレベルとなっている。

意義
著者らは、XtalOpt バージョン 14 が、可変組成および望ましい目標特性を持つ材料の結晶相の基底状態探索を効率化する道を開くと述べている。パレート最適化と可変組成機能を現代的な ML ポテンシャルと統合することで、本コードは化学系の高スループットな探索を促進し、新規な（メタ）安定相を予測することを可能にする。これらの開発は、バグ修正やワークフローの改善と相まって、研究者が以前は計算量的に不可能であったり、手法的にナビゲートが困難であった複雑な組成空間にわたって、機能性材料を系統的に探索することを可能にする。論文では、本ソフトウェアが完全にオープンソースであり、公式ウェブサイトおよび Computer Physics Communications Library から入手可能であると記されている。