MC3D: The Materials Cloud computational database of experimentally known stoichiometric inorganics

本論文は、COD、ICSD、MPDS から抽出された実験的に既知の化学量論的無機結晶構造を密度汎関数理論（DFT）で最適化し、完全な再現性と FAIR 原則を超えた手順を備えた計算データベース「MC3D」を Materials Cloud ポータル上で公開したことを報告しています。

要約

この論文は、**「材料科学のための巨大なデジタル図書館」**を作ったというお話しです。

タイトルにある「MC3D」とは、その図書館の名前です。ここでは、世界中の科学者が実験で見つけた「無機化合物（金属や鉱物など）」の結晶構造を、コンピューターで完璧に整理し、さらに「もし理想の状態で存在したらどうなるか」をシミュレーションして記録しています。

わかりやすくするために、いくつかの比喩を使って説明しましょう。

1. 材料の「レシピ集」を整理する（データの収集と掃除）

まず、科学者たちは世界中の 3 つの大きなデータベース（COD, ICSD, MPDS）から、約90 万個の「材料のレシピ（結晶構造）」を引っ張ってきました。
でも、このままでは使えません。なぜなら、レシピには以下のような問題があったからです。

• 書き間違いや欠落： 材料の成分が正しく書かれていないもの。
• 重複： 同じ材料が何回も登録されているもの。
• 分子の混入： 無機物（鉱物など）ではなく、水や有機物を含む「分子の塊」が含まれているもの。

研究チームは、これらの「ゴミ」を徹底的に掃除しました。その結果、7 万 2,000 個の「純粋で、重複のない、実験で確認された無機化合物のレシピ」だけが残りました。これが「MC3D-source」という、整理された素材集です。

2. 理想の状態で「焼き直す」（計算と最適化）

実験室で得られた材料は、温度や圧力などの影響で、少し歪んでいることがあります。科学者たちは、**「もしこの材料が、絶対零度（-273℃）で、何の圧力もかけられていない理想の状態だったら、どんな形をしているか？」**を知りたがっています。

そこで、**「密度汎関数理論（DFT）」**という強力な計算ツールを使って、すべての材料をコンピューター上で「焼き直し（最適化）」しました。

• 自動調理ロボット： 90 万個のレシピを人間が一つ一つ計算するのは不可能です。そこで、AiiDAという「自動調理ロボット（ワークフロー）」を使いました。これは、材料の形を計算し、エラーが出れば自動で修正して再挑戦する賢いシステムです。
• 成功と失敗： 約 85% の材料は、このロボットによって完璧に「理想の形」に焼き直されました。残りの 15% は、計算が難しすぎて失敗しましたが、それも記録されています。

3. 新しい「料理本」の完成（MC3D データベース）

こうして完成したのが、MC3Dというデータベースです。

• 3 万 2,000 個の新しい料理： 既存の有名なデータベース（Materials Project や OQMD）には入っていなかった、3,300 個以上の新しい材料の形が見つかりました。これらは「Subtype A, B, C」という新しいカテゴリーとして追加されました。
• 完全な履歴（プロベナンス）： この図書館の最大の特徴は、「誰が、いつ、どんな手順で、どの材料を作ったか」の全履歴がすべて記録されていることです。まるで、料理のレシピに「誰が、いつ、どの包丁を使って切ったか」まで詳しく書かれているようなものです。これにより、他の研究者が同じ結果を再現することが容易になります。

4. みんなで使えるように公開（Web サイト）

この巨大な図書館は、Materials Cloudというウェブサイトで誰でも無料で見ることができます。

• 検索機能： 周期表を使って、「鉄と酸素だけを含む材料」のように簡単に検索できます。
• X 線回折パターン： 実際の実験で使われる「X 線回折（XRD）」のグラフも、計算結果から自動生成して表示してくれます。これにより、実験室にいる科学者が「この材料は MC3D のこれかな？」とすぐに確認できます。

まとめ：なぜこれが重要なの？

このプロジェクトは、**「材料発見のスピードを劇的に上げる」**ことを目指しています。

• AI のための教材： 人工知能（AI）が新しい材料を設計する時、正しいデータが必要です。MC3D は、計算方法が統一された高品質なデータを提供するため、AI の学習用教材として非常に役立ちます。
• 実験のヒント： 実験室で新しい材料を作りたい科学者にとって、MC3D は「これを作れば成功するかもしれない」という最高のヒント帳になります。

つまり、この論文は、**「世界中の材料データを掃除し、AI が使えるように整頓し、誰でもアクセスできる巨大なデジタル図書館を作った」**という画期的な成果を報告するものです。

技術概要

MC3D: 実験的に既知の化学量論的無機化合物の Materials Cloud 計算データベース

技術的サマリー（日本語）

本論文は、実験的に報告された無機結晶構造から作成された、計算機科学に基づく三次元構造データベース「MC3D (Materials Cloud Three-Dimensional Structure Database)」の構築と公開について報告しています。密度汎関数理論（DFT）を用いた大規模な高スループット計算により、実験データの一貫性のある再計算と最適化を行い、機械学習や材料探索のための信頼性の高い基盤を提供することを目的としています。

1. 背景と課題 (Problem)

近年、量子力学的手法に基づく計算材料発見のパラダイムが定着し、DFT による物性予測が盛んに行われています。これに伴い、計算された材料物性のデータベースが多数構築されていますが、以下の課題が存在します。

• 設定の不一致: 異なるデータベースや研究グループ間で、計算設定（汎関数、パラメータ、プロトコル）が統一されていないため、周期表全体にわたってデータに微小な不整合が生じ、機械学習モデルの精度向上を阻害しています。
• 実験的既知構造の希少性: 実験的に合成・同定された化学量論的な無機化合物の空間は、一般的に認識されているよりも狭く、その正確な規模や特性の把握が困難です。
• 再現性の欠如: 多くのデータベースでは、計算の完全な由来（プロベナンス）が公開されておらず、結果の再現性や「FAIR 原則」以上の透明性が確保されていません。

2. 手法とプロトコル (Methodology)

MC3D は、以下の自動化されたワークフローと厳格なフィルタリングプロセスによって構築されました。

• データ収集とフィルタリング:

  • 3 つの主要な実験データベース（COD, ICSD, MPDS）から約 90 万 1,210 件の結晶構造（CIF ファイル）をインポートしました。
  • フィルタリングステップ:
    1. 構文エラーや矛盾を含む CIF の破棄。
    2. 化学量論的でない構造（部分占有を含むもの）の除去。
    3. 重複構造の特定と除去（構造マッチングアルゴリズム使用）。
    4. 水素を含む COD 固有の構造（主に分子結晶）の除去。
  • これにより、72,589 件のユニークな化学量論的無機結晶構造（MC3D-source）が抽出されました。このうち、実験的に既知とされるのは最大で 69,284 件です。

• DFT 計算ワークフロー:

  • 対象: ランタノイドやアクチノイドを除き、単位格子内の原子数が 64 以下構造に焦点を当てました。
  • 計算コード: オープンソースの DFT コード「Quantum ESPRESSO (QE)」を使用し、GPU 加速ライブラリ「SIRIUS」を連携させて効率的に計算を行いました。
  • 汎関数とプロトコル: PBE および PBEsol 汎関数を使用。特に最新バージョン「PBEsol-v2」では、SSSP v1.3 PBEsol 効率ライブラリからの擬ポテンシャル、Marzari–Vanderbilt 冷たいスミアリング、および厳密な収束基準を採用しました。
  • 自動化とエラーハンドリング: AiiDA ワークフロー管理システムを使用。計算中のエラー（収束失敗、数値的不安定性など）を自動的に検知し、入力パラメータを調整してリトライする「BaseRestartWorkChain」を実装しました。これにより、計算の堅牢性を高めています。

• データ公開と可視化:

  • 計算結果、生データ、および完全なプロベナンスグラフを「Materials Cloud Archive」に公開。
  • Web 上で構造を探索・ダウンロードできるインタラクティブな UI と、OPTIMADE 準拠の API を提供。

3. 主要な成果 (Key Contributions & Results)

• 大規模な最適化構造データベースの構築:

  • 最終的に、32,013 件のユニークな最適化された幾何構造（PBEsol-v2 バージョン）を生成しました。
  • 全ワークフローの成功率は**85.5%**に達しました（自動エラーハンドリングなしではこれほど高くならない）。
  • 計算された構造の体積変化は、実験値と比較して±5% 以内のものが 78.1% であり、DFT 最適化が実験構造と整合的であることを示しています。

• 新規構造の発見:

  • 既存の主要データベース（Materials Project, OQMD）と比較したところ、MC3D には3,328 件の新しいユニークな結晶構造が含まれていることが判明しました。これらは、組成、空間群、または構造マッチングの観点で既存データと重複しないものです。

• 完全な再現性とプロベナンス:

  • すべての計算の履歴（入力パラメータ、出力、エラー処理の記録）が AiiDA によって保存されており、結果の完全な再現性が保証されています。これは「より FAIR（Findable, Accessible, Interoperable, Reusable）」なデータ管理を実現しています。

• 実験的既知構造の空間の定量化:

  • 実験的に既知とされる化学量論的無機化合物の数は、従来の推定よりも限定的であることを示唆し、合成の難易度や複雑系（三元、四元以上）の特性に関する洞察を提供しました。

4. 意義と将来展望 (Significance)

MC3D は、材料科学コミュニティにとって以下の点で重要なリソースとなります。

1. 一貫性のあるトレーニングデータ: 統一されたプロトコルで計算された大規模なデータセットは、材料物性予測のための機械学習モデルのトレーニングに不可欠な高品質なデータを提供します。
2. 実験的候補の即時利用: 実験的に既知の構造に焦点を当てるため、スクリーニング研究で見つかった有望な候補材料は、すぐに追加の実験検証が可能になります。
3. オープンソースと相互検証: 商用コード（VASP など）ではなく、オープンソースの QE と SIRIUS を使用しているため、他の実装との相互検証が可能であり、計算結果の信頼性を高めます。
4. 透明性と再現性: 完全なプロベナンスの公開により、他の研究者が結果を容易に再現・検証でき、派生研究の信頼性を向上させます。

結論として、MC3D は既存のデータベースを補完し、機械学習、材料発見、計算材料研究の進展に寄与する価値あるリソースとして位置づけられています。