Unsupervised Machine-Learning Pipeline for Data-Driven Defect Detection and Characterisation: Application to Displacement Cascades

Dit artikel presenteert een volledig onbewaakte machine-learning-workflow die, zonder voorafgaande training of drempelinstellingen, atomaire defecten in verplaatsingscascades succesvol detecteert en karakteriseert door SOAP-vectoren te combineren met autoencoders, UMAP en HDBSCAN.

De kern

Stel je voor dat je een gigantische, perfecte stad van atomen hebt. Elke atoom is een inwoner die op een vast plekje woont in een strakke roostervorm. Dit is hoe metalen zoals nikkel of staal eruitzien als ze gezond zijn.

Nu komt er een "bom" aan: een neutron dat met enorme snelheid op de stad afkomt. Dit is wat er gebeurt in een kernreactor of wanneer materialen worden blootgesteld aan straling. De atoom-bom raakt een inwoner, die dan weer andere inwoners raakt, en zo ontstaat er een kettingreactie van botsingen. In een fractie van een seconde (picoseconden) wordt de stad volledig in de war gebracht. Er ontstaan gaten (vacatures) waar mensen weg zijn, en er zijn mensen die op de verkeerde plekken staan of zelfs in groepjes samenkomen (interstitiële defecten).

De wetenschappers in dit artikel hebben een slimme manier bedacht om deze chaos te begrijpen, zonder dat ze van tevoren weten wat ze precies zoeken. Hier is hoe hun methode werkt, vertaald naar alledaagse taal:

1. De "Vingerafdruk" van de Stad (SOAP)

Stel je voor dat elke atoom in de stad een unieke vingerafdruk heeft die beschrijft wie zijn buren zijn en hoe ze eruitzien. De wetenschappers gebruiken een wiskundige tool genaamd SOAP om deze vingerafdrukken te maken.

• In een gezonde stad: Alle vingerafdrukken zijn bijna hetzelfde. Iedereen zit netjes in zijn rij.
• Na de bom: Sommige vingerafdrukken zien er raar uit. Misschien heeft iemand te veel buren, of staan ze te ver uit elkaar.

2. De Slimme "Droommachine" (Autoencoder)

Nu komt het magische deel. De wetenschappers trainen een kunstmatige intelligentie (een Autoencoder) door hem duizenden foto's te laten zien van de gezonde stad. De AI leert hoe een "normale" atoom eruit moet zien.

• De test: Vervolgens laten ze de AI naar de stad na de bom kijken.
• Het resultaat: Als de AI een atoom ziet dat eruitziet als een normale inwoner, zegt hij: "Oké, dit is normaal." Maar als hij een atoom ziet dat er raar uitziet (bijvoorbeeld een gat of een groepje mensen die in een hoekje staan), zegt de AI: "Wacht, dit past niet in mijn droombeeld!"
• De AI markeert deze "raar kijkende" atomen als buitenstaanders (outliers). Ze hoeven niet te weten wat voor soort defect het is, ze weten alleen dat het niet normaal is.

3. De Landkaart van de Chaos (UMAP)

Nu hebben ze duizenden "buitenstaanders" gemarkeerd, maar het is nog een grote rommel. Ze gebruiken een andere slimme tool (UMAP) om deze chaos op een kaart te zetten.

• De analogie: Stel je voor dat je een grote stapel verschillende soorten fruit (appels, peren, bessen) hebt. Je gooit ze allemaal in een machine die ze zo ordent dat alle appels bij elkaar liggen, alle peren bij elkaar, en de bessen in een andere hoek.
• In dit geval groeperen de atomen zich op de kaart op basis van hoe ze lijken. Atomen die een groot gat vormen, landen bij elkaar. Atomen die een klein groepje vormen, landen ergens anders.

4. De Groepsleiders (HDBSCAN)

Ten slotte kijkt een derde tool (HDBSCAN) naar deze kaart en zegt: "Oké, daar is een groepje appels, daar een groepje peren."

• Ze verdelen de buitenstaanders in duidelijke groepen zonder dat iemand ze van tevoren heeft verteld wat ze moeten zoeken.
• Ze ontdekken groepen zoals: "De mensen die een gat hebben achtergelaten", "De mensen die in een kooitje zitten", en "De grote groepen die samen een nieuw bouwwerk vormen".

Waarom is dit zo cool?

Vroeger moesten wetenschappers zelf regels bedenken: "Als iemand meer dan 12 buren heeft, is hij raar." Maar dat werkt niet goed als de stad heel erg beschadigd is of als het een ander type stad is (zoals een ander metaal).

Deze nieuwe methode is onbevooroordeeld:

1. Het werkt voor verschillende metalen (Nikkel, een staal-alloy, en Zirkonium).
2. Het vindt zelfs de meest vreemde en complexe defecten die de oude methoden missen.
3. Het kan precies tellen hoeveel schade er is, zelfs als de schade heel klein is (minder dan 0,1% van de atomen is beschadigd, maar dat is genoeg om het materiaal te verzwakken).

De Conclusie

Het is alsof je een detective bent die een stad binnenkomt na een aardbeving. In plaats van te proberen elke puinhoop met een meetlat te meten, laat je een slimme robot de stad scannen. De robot zegt: "Hier zijn de normale straten, en hier zijn de gebieden die kapot zijn." Vervolgens sorteert de robot de kapotte gebieden in categorieën: "Hier zijn de ingestorte huizen, hier zijn de straten die dicht zijn."

Dit helpt wetenschappers om beter te begrijpen waarom materialen in kernreactoren na verloop van tijd broos worden, zodat we veiligere en langdurigere materialen kunnen bouwen. Ze hoeven niet meer te gissen; de data praat voor zich.

Technische samenvatting

Probleemstelling

Neutronenbestraling veroorzaakt in structurele materialen (zoals die gebruikt worden in kernreactoren) displacement cascades: sequenties van atomaire botsingen die puntdefecten (vacatures en interstitiële atomen) en uitgebreide defecten (zoals dislocatielussen) genereren. Deze "primaire schade" bepaalt de langetermijnevolutie en mechanische eigenschappen van het materiaal.
Het identificeren en karakteriseren van deze defecten op atomaire schaal is echter uitdagend:

• Experimentele beperkingen: Directe observatie van defectdynamica op femtoseconde- tot picosecondetijdschalen is onmogelijk.
• Beperkingen van klassieke methoden: Traditionele methoden voor defectdetectie (zoals Centrosymmetry Parameter, Common Neighbor Analysis, Polyhedral Template Matching, DXA) zijn vaak afhankelijk van vooraf gedefinieerde templates of drempelwaarden. Ze hebben moeite met het detecteren van subtiele defecten, complexe defectstructuren, of defecten die niet in hun structurele database voorkomen. Bovendien zijn ze computatiewerkzaam en schalen ze slecht bij grote systemen.

Er is behoefte aan een robuuste, datagedreven methode die defecten kan detecteren en classificeren zonder voorafgaande kennis van de defecttypen of het handmatig afstellen van parameters.

Methodologie

De auteurs presenteren een volledig ongezuperviseerde machine learning (ML) workflow die moleculaire dynamica (MD) data direct verwerkt. De pipeline bestaat uit vier hoofdstappen:

1. Beschrijvers (SOAP):

   • Lokale atomaire omgevingen (LAE) worden gecodeerd met Smooth Overlap of Atomic Positions (SOAP) vectoren.
   • Deze descriptors zijn invariant voor rotatie, translatie en atoomindexering.
   • Voor fcc-materialen (Ni, FeNiCr) worden 50-dimensionale vectoren gebruikt; voor hcp-materialen (Zr) 105-dimensionale vectoren.

2. Outlier-detectie (AutoEncoder):

   • Een AutoEncoder (AE) neurale netwerk wordt getraind op SOAP-descriptors van een defectvrije referentiestructuur (perfect kristal).
   • Het netwerk leert de normale atomaire omgevingen te reconstrueren.
   • Wanneer het netwerk wordt toegepast op cascade-data, zullen atomen met een abnormale lokale omgeving (defecten) een hoge reconstructiefout (Mean Squared Error, MSE) genereren.
   • Atomen met een MSE boven een bepaalde drempel (bepaald via log-log verdeling van de fouten) worden geclassificeerd als outliers (potentiële defecten).

3. Dimensiereductie (UMAP):

   • De SOAP-vectoren van de geïdentificeerde outliers worden gereduceerd naar een 2D-ruimte met Uniform Manifold Approximation and Projection (UMAP).
   • UMAP behoudt zowel lokale nabuurschapsrelaties als de globale datastructuur beter dan lineaire methoden (zoals PCA) of t-SNE.

4. Clustering (HDBSCAN):

   • De gereduceerde data wordt geclusterd met Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN).
   • Dit algoritme kan clusters van willekeurige vormen en dichtheden vinden zonder het aantal clusters vooraf te definiëren.
   • Het resultaat is een indeling van de outliers in groepen die overeenkomen met specifieke fysieke defectmotieven.

Toegepaste systemen: De methode is getest op 80 keV displacement cascades in drie materialen:

• Ni (fcc)
• Fe70Ni10Cr20 (fcc, austenitisch roestvast staal)
• Zr (hcp)

Belangrijkste Bijdragen

• Volledig ongezuperviseerd: De workflow vereist geen gelabelde trainingsdata en geen handmatige drempelwaarden voor defecttypen.
• Generieke toepasbaarheid: Hoewel SOAP wordt gebruikt, is de pipeline compatibel met elke atomaire "fingerprint" die als vector kan worden weergegeven.
• Integratie van fysica en ML: De methode combineert de expressieve kracht van SOAP met de anomaliedetectie van AEs en de robuuste clustering van HDBSCAN.
• Validatie tegen conventionele methoden: Een uitgebreide statistische vergelijking met zes traditionele methoden (CS, CA, DXA, PTM, VOR, lattice-site analysis) wordt uitgevoerd.

Resultaten

1. Detectie en Classificatie:

• De autoencoders slaagden erin om een kleine fractie van atomen (< 0,13%) als outliers te identificeren, wat overeenkomt met de verwachte schade na een cascade.
• HDBSCAN verdeelde deze outliers in goed gedefinieerde groepen die fysiek betekenisvolle motieven vertegenwoordigen:
  • Vacature-omgevingen: Atomen die een vacature omringen (de "kooi").
  • Interstitiële kernen: Atomen die "dumbbells" vormen (paar interstitiële atomen).
  • Halo-atomen: Atomen in de tweede schil rondom dumbbells.
  • Grote aggregaten: Geclusterde vacatures of interstitiële complexen.
  • A15-achtige structuren: Complexere icosahedrale motieven (vooral in Ni).
• Meer dan 99,7% van de outliers kon worden toegewezen aan een compacte fysieke groep.

2. Kwantitatieve Analyse:

• Een nieuwe Cluster Identification (CID) score (gebaseerd op het netto aantal defecten per cluster) bevestigde dat de ML-groepen duidelijk gescheiden zijn tussen vacature-dominante en interstitiële-dominante clusters.
• Er werd een sterke correlatie gevonden ($R^2 > 0,89$) tussen het aantal ML-geflagde atomen per cluster en het netto aantal defecten. Dit stelt onderzoekers in staat om het aantal defecten te schatten op basis van het aantal atomen in een cluster.

3. Vergelijking met Conventionele Methoden:

• Overeenkomst: De ML-methode toont een sterke overlap met methoden zoals DXA en Centrosymmetry (CS), met hoge precisie en recall (F1-scores vergelijkbaar met deze methoden).
• Complementariteit:
  • De ML-methode is minder streng dan Polyhedral Template Matching (PTM) en detecteert atomen in vervormde schillen rondom defectkernen die PTM mist (bijvoorbeeld rondom icosahedrale kernen).
  • De ML-methode is selectiever dan Coordination Analysis (CA) en Voronoi Analysis (VOR), die vaak te veel atomen als defect flaggen door hun ruwe drempels.
• Materialenverschillen: De methode werkt consistent voor zowel fcc (Ni, FeNiCr) als hcp (Zr) kristalstructuren, waarbij de ML-aanpak beter presteert in het onderscheiden van complexe defecten in de anisotrope hcp-structuur dan sommige traditionele methoden.

Betekenis en Conclusie

De studie toont aan dat een ongezuperviseerde ML-pipeline (SOAP + AE + UMAP + HDBSCAN) een krachtig en efficiënt hulpmiddel is voor het kwantitatief in kaart brengen van structurele anomalieën in materialen.

• Efficiëntie: Het elimineert de noodzaak voor handmatige tuning van templates of drempelwaarden.
• Diepte: Het kan complexe, hiërarchische defectstructuren (zoals A15-fasen) detecteren die door template-matching methoden vaak worden gemist.
• Toekomstperspectief: De methode is schaalbaar naar grotere databases en kan worden toegepast op andere materialen, verschillende PKA-energieën, en zelfs voor het bestuderen van cumulatieve schade door meerdere cascades. Het biedt een hybride toolkit die de sterktes van conventionele fysica-gedreven methoden combineert met de flexibiliteit van datagedreven machine learning.