Discovering new photovoltaics using optimal transport theory

Probleemstelling

Het ontdekken van nieuwe fotovoltaïsche (PV) materialen is historisch gezien gebaseerd op trial-and-error en chemische analogieën (bijvoorbeeld het bewegen van Se naar Si naar GaAs). Hoewel dit succesvol is geweest, blijft de definitie van "soortgelijke materialen" voor algoritmische implementatie een open vraag. Bestaande methoden gebruiken vaak vectoren gebaseerd op chemische samenstelling of structurele descriptors, maar er ontbreekt een geïntegreerde metriek die zowel structurele als samenstellingsgelijkenis op een gebalanceerde manier combineert. Bovendien zijn state-of-the-art methoden zoals Graph Neural Networks (GNNs) vaak data-hongerig en vereisen ze training op enorme datasets (miljoenen materialen), wat een beperking vormt wanneer er slechts beperkte experimentele of berekende data beschikbaar is voor specifieke eigenschappen zoals de PV-efficiëntie.

Methodologie

De auteurs passen de Fused Gromov-Wasserstein (FGW) afstand toe, een concept uit de theorie van optimaal transport, om de dissimilariteit tussen kristallijne materialen te kwantificeren.

1. Graph Representatie: Materialen worden weergegeven als ongerichte grafen waarbij atomen de knooppunten zijn en chemische bindingen de randen. De structuur wordt vastgelegd via een matrix $C$ (bijv. op basis van Voronoi-connectiviteit via CrystalNN), en atomaire eigenschappen via feature-vectoren $a$ en $b$.
2. De FGW-Metriek: De FGW-afstand minimaliseert de kosten van het transporteren van massa tussen twee grafen. De formule combineert twee componenten, gewogen door een parameter $\alpha \in [0,1]$:
   • Samenstelling (Wasserstein): De kosten om atoomkenmerken te matchen (chemische gelijkenis).
   • Structuur (Gromov-Wasserstein): De kosten om de relatieve afstanden tussen atoomparen te matchen (structurele gelijkenis).
   • De totale kostenfunctie is: $FGW = \min_{\pi} \sum [(1-\alpha)d(a_i, b_j) + \alpha |C_A(i,k) - C_B(j,l)|] \pi_{ij}\pi_{kl}$.
3. Feature Vectors: Er werden verschillende types atomaire embeddings getest, variërend van one-hot vectors tot geleerde embeddings (zoals CrystaLLM, SkipAtom) en empirische descriptors (Magpie, Oliynik).
4. Validatie en Optimalisatie:
   • De methode werd getraind op een dataset van 695 materialen met bekende Spectroscopic Limited Maximum Efficiency (SLME) waarden.
   • Hyperparameters (vooral $\alpha$) werden geoptimaliseerd door de Binary Cross Entropy (BCE) loss te minimaliseren tussen de FGW-afstanden en de werkelijke SLME-verschillen.
   • De prestaties werden vergeleken met $k$-Nearest Neighbors (k-NN) regressie en baselines zoals SOAP en MACE (een equivariante GNN getraind op >1 miljoen materialen).
5. Ontdekkingsslag: Na het identificeren van "zaadmaterialen" (seeds) met hoge SLME in geclusterde groepen, werd de FGW-metriek gebruikt om de Materials Project-database (155k materialen) te doorzoeken naar nieuwe kandidaten met een lage FGW-afstand tot deze seeds. De beste kandidaten werden vervolgens gevalideerd met hybride DFT-berekeningen (HSE06) om de bandgaps en SLME nauwkeurig te bepalen.

Belangrijkste Bijdragen

• Integratie van Structuur en Samenstelling: De FGW-metriek biedt een continue, wiskundig onderbouwde manier om zowel chemische als structurele gelijkenis in één maatstaf te vatten, zonder dat complexe, data-hongerige training nodig is.
• Minimaal Supervised Learning: Het bewijs dat FGW, met slechts minimale training (op ~700 materialen), concurrerend presteert met GNN-embeddings die zijn getraind op >1 miljoen materialen. Dit benadrukt de kracht van sterke inductieve bias in materialenwetenschap.
• Nieuwe Ontdekkingen: De methode heeft geleid tot de identificatie van zeven nieuwe, veelbelovende PV-absorbermaterialen die eerder niet als zodanig waren onderzocht.

Resultaten

• Optimalisatie: De beste resultaten werden behaald wanneer zowel samenstelling als structuur werden meegenomen ($\alpha$ ligt tussen 0 en 1, vaak rond 0.1 voor empirische descriptors). Pure samenstelling ($\alpha=0$) of pure structuur ($\alpha=1$) presteerden slechter.
• Vergelijking: De FGW-methode presteerde vergelijkbaar met de geavanceerde MACE-GNN (getraind op 1,6 miljoen materialen) en significantly beter dan traditionele compositional-only methoden (Magpie) of SOAP. Zelfs eenvoudige one-hot vectors met een harmonische afstand leverden goede resultaten op wanneer $\alpha$ correct werd ingesteld.
• Validatie: Van de 18 geselecteerde kandidaten uit de Materials Project-database, werden er 14 gevalideerd met DFT.
  • Cs5Sb8: Dit materiaal bleek de meest veelbelovende kandidaat met een voorspelde SLME van >30% en thermodynamische stabiliteit. Het is een binair materiaal met complexe chemie (amfotere aard van Sb).
  • Andere Kandidaten: Zes andere nieuwe materialen (zoals CaAgAs en Tl4GeSe4) hadden SLME-waarden boven de 20%, wat als hoog wordt beschouwd.
  • De FGW-afstand bleek effectief in het filteren van materialen met de juiste bandgaps (0-2.5 eV) en stabiliteit.

Betekenis

Dit werk demonstreert dat optimaal transport een krachtig, rekenkundig efficiënt alternatief is voor diepe learning-methoden in de materialenontdekking. Het stelt onderzoekers in staat om nieuwe materialen te vinden met zeer beperkte trainingsdata door gebruik te maken van fundamentele wiskundige principes om gelijkenis te definiëren. De identificatie van Cs5Sb8 als een stabiel materiaal met een zeer hoge theoretische efficiëntie onderstreept het praktische potentieel van deze aanpak voor het versnellen van de ontwikkeling van hernieuwbare energiebronnen. De methode biedt een blauwdruk voor toekomstige ontdekkingsslag in gebieden waar grote, gelabelde datasets ontbreken.