Vitriflow: calibrated amorphous structure ensembles from melt-quench simulation

Technische Samenvatting: Vitriflow – Gecalibreerde Amorfe Structuur-ensembles uit Melt–Quench Simulaties

Probleemstelling
Melt–quench moleculaire dynamica (MD) is een standaardmethode voor het construeren van atomistische modellen van amorfe materialen. De resulterende structurele ensembles worden echter vaak gedefinieerd door impliciete keuzes met betrekking tot numerieke instellingen (tijdstappen, thermostaten), thermische protocollen (smelttemperatuur, verblijftijd, afkoelsnelheid), systeemgrootte en post-generatie screening. Deze keuzes worden frequent gemaakt op basis van conventie of computationeel gemak in plaats van expliciete criteria die gekoppeld zijn aan de specifieke materiaalkundige vraagstelling. Bijgevolg kunnen ogenschijnlijke structurele verschillen voortvloeien uit numerieke artefacten, onvoldoende sampling of protocolvariaties, in plaats van uit fysieke verschijnselen. Hoewel workflow-frameworks (bijv. AiiDA, FireWorks) de executieve reproduceerbaarheid hebben verbeterd door automatisering en datalijnage te standaardiseren, garanderen zij geen structurele reproduceerbaarheid. Een workflow kan een gebrekkig protocol (bijv. een onderverhitte vloeistof of een numeriek instabiele opzet) getrouw reproduceren. Er is een gebrek aan een beslissingskader dat expliciet test of de numerieke instelling, het thermische protocol en het resulterende ensemble adequaat zijn voor de specifieke structurele eigenschappen die worden onderzocht.

Methodologie: Het Vitriflow Framework
De auteurs introduceren Vitriflow, een computationele methodologie die de melt–quench simulatie transformeert naar een expliciete, beslissingsgestuurde keten. Het framework koppelt vier operaties, die gewoonlijk onafhankelijk worden behandeld, tot een verenigd proces:

1. Numerieke Stabiliteit Preflight: Voordat de protocolselectie plaatsvindt, identificeert Vitriflow de regio van numeriek toelaatbare MD-instellingen ($\theta$). Het evalueert korte trajecten bij sondeertemperaturen om fouten in temperatuur- en drukcontrole en volumestabiliteit te beoordelen. Alleen instellingen die voldoen aan harde grenzen voor thermostat/barostat prestaties en krachtstabiliteit worden behouden.
2. Systematische Protocol Kalibratie: Gebruikmakend van toelaatbare instellingen, selecteert het framework systematisch het thermische protocol ($p$) bestaande uit de smelttemperatuur ($T_{high}$), de vloeistof-verblijftijd ($t_{melt}$), de afkoelsnelheid ($\dot{T}$) en de celgrootte ($N$).
   • Smelt Onset: Geïdentificeerd via een temperatuurladder met diffusie- en radiale distributie-descriptors om een "vloeistofachtige" staat te definiëren.
   • Verblijftijd: Bepaald door de tijd die replica's nodig hebben om stationariteit te bereiken in dichtheid/potentiële energie en voldoende wanorde te bereiken (mean-squared displacement).
   • Afkoelsnelheid & Grootte: Geselecteerd door descriptor-statistieken (bijv. dichtheid, coördinatie) te vergelijken met een langzame-snelheid of grote-cel referentie. De snelste snelheid en kleinste cel die statistisch ononderscheidbaar zijn van de referentie worden gekozen om computationele kosten te minimaliseren terwijl de fysieke getrouwheid gewaarborgd blijft.
3. Gebruikersgedefinieerde Artefact Screening: Generatische structuren worden geëvalueerd tegen materiaalspecifieke descriptor-kaarten. Screens kunnen "hard" zijn (uitsluiten van gefaalide structuren uit de analyse) of "soft" (labelen van deze structuren voor audit). De genomen actie (uitsluiten versus behouden) wordt bepaald door de specifieke materiaalkundige vraag (bijv. het verwijderen van kristalachtige structuren versus het behouden van defectpopulaties voor vergelijking).
4. Statistische Convergentie: Het framework genereert een ensemble van structuren totdat de analysepopulatie een doelstelling van statistische precisie bereikt. Convergentie wordt gemonitord via de betrouwbaarheidshelftbreedte van scalaire descriptors relatief aan een door de gebruiker gedefinieerde tolerantie.

Belangrijkste Resultaten en Benchmarks
De methodologie werd gedemonstreerd op drie chemisch verschillende systemen, elk gericht op een andere structurele controleproblematiek:

• Amorf SiO₂ ($a$-SiO₂):
  • Doel: Testen van de tetraëdrale netwerkgetrouwheid door defectvrije silica te scheiden van structuren met zuurstofbrug-defecten.
  • Resultaat: Een "harde" screen gebaseerd op exacte Si:O=4 en O:Si=2 coördinatiecriteria verdeelde 2.533 gegenereerde cellen in 1.872 defectvrije en 661 defectieve cellen. Het defectvrije ensemble vertoonde een dichtheid van 2,217 g cm⁻³, wat verschilt van de defectieve populatie (2,233 g cm⁻³). De studie toonde aan dat ensemble-screening essentieel is, aangezien ongefilterde gemiddelden deze structureel verschillende populaties zouden mengen.
• Amorf Si₃N₄ ($a$-Si₃N₄):
  • Doel: Testen van multi-fidelity DFT verfijning (MG2 $\to$ PBE $\to$ HSE06) op een gemeenschappelijke structurele populatie.
  • Resultaat: Een "soft" screen (exclude=false) labelde coördinatie-outliers maar behield alle 455 cellen voor analyse. Dit maakte een directe vergelijking mogelijk van hoe verschillende elektronische structuurniveaus dezelfde MG2-afgeleide topologie verfijnen. De resultaten toonden aan dat hoewel de eerste-schil Si–N orde robuust bleef, de dichtheid, residuele defectinhoud en medium-range topologie (ringstatistieken) gevoelig waren voor de gebruikte DFT-functionaal.
• Amorf Sm₂O₃ ($a$-Sm₂O₃):
  • Doel: Discrimineren tussen amorfe en kristalachtige structuren in een gemengde-coördinatie zeldzame-aardoxide zonder vaste coördinatieregels op te leggen.
  • Resultaat: Een screen gericht op "kristalachtige orde" (gebaseerd op lokale orde-metrieken zoals $\bar{q}_6$) verwijderde 80 gerecrystalliseerde cellen uit 510 gegenereerde cellen, waarbij 430 amorfe structuren werden behouden. Cruciaal was dat deze aanpak de fysiek relevante gemengde coördinatie (Sm:O variërend van 4 tot 7) behield, die verloren zou zijn gegaan als een vaste coördinatie-filter zou zijn toegepast.

Significantie en Claims
Het artikel beweert dat Vitriflow een reproduceerbare route biedt voor het genereren van amorfe ensembles waarbij numerieke instellingen, thermische protocollen, screening-acties en statistische precisie worden geselecteerd op basis van de materiaalkundige vraag in plaats van a priori aangenomen te worden.

Belangrijke bijdragen zijn onder meer:

• Structurele Reproduceerbaarheid: Verder gaan dan louter executieve reproduceerbaarheid om te waarborgen dat de gegenereerde structuren fysiek adequaat zijn voor de specifieke observabelen van belang.
• Expliciete Beslissingsketens: Het vervangen van impliciete conventies door een gekalibreerde sequentie van stabiliteitstests, protocolselectie en convergentiecontroles.
• Materiaal-specifieke Flexibiliteit: Het framework past zich aan verschillende materialen aan door de descriptor-basis en de screening-logica te wijzigen (bijv. harde uitsluiting voor defecten in silica versus soft labeling voor defecten in nitriden versus kristal-screening voor zeldzame-aardoxiden).

De auteurs benadrukken dat hoewel Vitriflow de noodzaak voor fysiek passende krachtvelden of experimentele validatie niet vervangt, het wel vaststelt of een gekozen simulatieroute een stabiel, gekalibreerd, door artefacten gescreend en statistisch geconvergeerd ensemble produceert. Dit maakt de constructie van amorfe modellen controleerbaar en vergelijkbaar tussen verschillende interactiemodellen, elektronische structuurniveaus en materiaalklassen.