Deep learning directed synthesis of fluid ferroelectric materials

Titel: Diep-lering-gestuurde synthese van fluïde ferroëlektrische materialen

Auteurs: Charles Parton-Barr et al. (Universiteit van Leeds, VK)

1. Het Probleem

De ontwikkeling van nieuwe moleculaire materialen, specifiek fluïde ferroëlektrische vloeibare kristallen (met name de ferroëlektrische nematische, $N_F$, fase), wordt gehinderd door het ontbreken van robuuste ontwerpregels.

• Complexiteit: De relatie tussen chemische structuur en macroscopische eigenschappen (zoals spontane polarisatie) is complex en multidimensionaal. Kleine structurele wijzigingen kunnen leiden tot drastisch verschillende fasegedragingen.
• Beperkte kennisruimte: Tot nu toe is het chemische ruimte voor $N_F$-materialen uiterst beperkt, met slechts een paar bekende structurele motieven (zoals DIO en RM734).
• Trage ontdekking: Traditionele methoden, gebaseerd op trial-and-error en menselijke bias, zijn te traag om de enorme chemische ruimte effectief te verkennen.
• Ontbrekende generatieve aanpak: Bestaande machinelearning-studies in vloeibaar kristalonderzoek focussen voornamelijk op eigendomsvoorspelling of classificatie, niet op het genereren van nieuwe, synthetiseerbare moleculen.

2. Methodologie: Een Data-naar-Molecuul Workflow

De auteurs introduceren een gesloten-lus (closed-loop) workflow die diep leren combineert met experimentele validatie. De workflow bestaat uit de volgende fasen:

• Dataverzameling en -voorbereiding:

  • Een dataset van >500 bekende kleine moleculaire vloeibare kristallen (inclusief alle bekende $N_F$-materialen tot oktober 2025) en >200 onpubliceerde interne metingen werd samengesteld.
  • De dataset werd gebalanceerd met niet-$N_F$ materialen om bias te voorkomen.
  • Moleculen werden omgezet naar grafische representaties (nodes = atomen, edges = bindingen) en geanoteerd met fase-overgangstemperaturen.

• Modeltraining (Deep Learning Architecturen):

  • Generatie: Een Graph Variational Autoencoder (VAE) (gebaseerd op MGVAE) werd getraind om een probabilistische latente ruimte van moleculaire structuren te leren en de novo moleculen te genereren.
  • Classificatie & Regressie: Ensembles van Graph Neural Networks (GNN) (o.a. GAT, GATv2, GCN, GIN, TransformerConv) en XGBoost-modellen werden getraind om:
    1. De aanwezigheid van de $N_F$-fase te voorspellen (classificatie).
    2. De overgangstemperatuur ($T_{NF}$) te voorspellen (regressie).

• Screening en Selectie:

  • De VAE genereerde ~30.000 nieuwe structuren.
  • Een ensemble van de meest accurate classifiers filterde deze op waarschijnlijkheid van $N_F$-gedrag.
  • Een ensemble van regressors voorspelde de $T_{NF}$-waarden.
  • Retrosynthese: Geavanceerde tools (AiZynthFinder) en een gedigitaliseerde chemische voorraad werden gebruikt om alleen synthetiseerbare kandidaten te selecteren.

• Experimentele Validatie (Iteratie 1):

  • 11 geselecteerde kandidaten werden gesynthetiseerd en geanalyseerd (POM, DSC).
  • De experimentele resultaten werden gebruikt om de dataset te verrijken.

• Iteratie 2 (Verbetering):

  • De dataset werd uitgebreid naar ~1000 entries (inclusief de 11 nieuwe en recente literatuur).
  • Scaffold-splitting: In plaats van willekeurige splitsing, werd de dataset gesplitst op basis van moleculaire scaffolds om "data leakage" te voorkomen en de generaliseerbaarheid te testen.
  • Een nieuw ensemble van modellen (GATv2 en XGBoost) werd getraind en gefilterd op basis van consensus en retrosynthetische haalbaarheid.

3. Belangrijkste Bijdragen

• Eerste generatieve workflow voor fluïde ferroëlektrica: Dit is een van de eerste studies die diep generatief leren toepast op het ontwerp van zachte materialen met ferroëlektrische eigenschappen, in plaats van alleen op voorspelling.
• Gesloten-lus ontdekking: De studie demonstreert een volledig geïntegreerde cyclus: data-curatie $\rightarrow$ generatie $\rightarrow$ screening $\rightarrow$ synthese $\rightarrow$ validatie $\rightarrow$ hertraining.
• Interpretbaarheid: Door substructuur-masking (SME) werd inzicht verkregen in welke functionele groepen bijdragen aan $N_F$-gedrag, wat helpt bij het begrijpen van de structuur-eigenschapsrelatie.
• Validatie van scaffold-splitting: De studie toont aan dat willekeurige splitsingen de prestaties van modellen vaak overschatten, terwijl scaffold-splitsing een realistischere maatstaf biedt voor de generaliseerbaarheid naar nieuwe chemische ruimtes.

4. Resultaten

• Iteratie 1:

  • Van de 11 gesynthetiseerde moleculen vertoonden er meerdere ferroëlektrische nematische fasen.
  • De voorspelde overgangstemperaturen ($T_P$) kwamen redelijk overeen met de experimentele waarden ($T_A$) voor moleculen met hoge chemische gelijkenis aan de trainingsset (foutmarge ~40 K).
  • Voor structuren die verder afweken van de trainingsset nam de voorspellingsfout toe (maximale discrepantie 76 K), wat de grenzen van het huidige model aangeeft.
  • De experimentele data bevestigde dat het model nieuwe, maar chemisch realistische structuren kon genereren die niet in de originele dataset voorkwamen.

• Iteratie 2:

  • Na het toevoegen van nieuwe data en het implementeren van scaffold-splitting, verbeterden de modelprestaties aanzienlijk.
  • GATv2 en XGBoost bleven de beste architecturen, met een precisie van >75% en een recall van >90% bij willekeurige splitsing, en behielden acceptabele prestaties bij scaffold-splitsing.
  • Twee nieuwe sets van synthese-kandidaten werden gegenereerd (Set A en Set B) met een hoge ensemble-consensus (>60%) en gegarandeerde retrosynthetische routes.

5. Betekenis en Toekomstperspectief

• Versnelling van Materiaalontdekking: Deze workflow biedt een bewezen strategie om de ontdekkingstijd van functionele zachte materialen drastisch te verkorten door de "zoekruimte" te beperken tot synthetiseerbare, veelbelovende kandidaten.
• Autonome Ontdekking: De studie legt de basis voor volledig autonome laboratoria waar machinelearning-modellen continu leren van experimentele feedback en nieuwe generaties materialen ontwerpen.
• Generaliseerbaarheid: De methode is niet beperkt tot ferroëlektrische vloeibare kristallen; het kan worden toegepast op andere klassen van functionele materialen waar complexe structuur-eigenschapsrelaties bestaan.
• Open Science: De code en data zijn openbaar beschikbaar gesteld, wat reproducibiliteit en verdere ontwikkeling in de gemeenschap stimuleert.

Kortom, dit werk markeert een belangrijke stap van puur voorspellende machinelearning naar generatief, experimenteel gevalideerd materiaalontwerp, waarbij de kloof tussen computationele modellen en chemische synthese wordt overbrugd.