SoLiD26: A First Principles Solid-Liquid Interface Dataset for Machine-learned Interatomic Potentials

In de verborgen wereld van de materiaalkunde vinden enkele van de meest kritieke processen niet plaats in het centrum van een massieve blok of drijvend in een vloeistof, maar precies daar waar de twee elkaar ontmoeten. Deze grens, bekend als het vast-vloeistof-interface, is de plek waar batterijen opladen, waar katalysatoren chemische reacties versnellen en waar metalen beginnen te corroderen. Om deze processen te begrijpen, vertrouwen wetenschappers op computersimulaties die fungeren als virtuele microscopen, waardoor ze atomen kunnen zien bewegen en interageren. Decennialang was de meest nauwkeurige manier om dit te doen het oplossen van complexe vergelijkingen gebaseerd op de wetten van de kwantummechanica voor elk afzonderlijk atoom in het systeem. Hoewel dit ongelooflijk precies is, is deze methode zo rekenintensief dat het slechts een handvol atomen voor een zeer korte tijd kan simuleren, zoals het bekijken van één enkel frame van een film. Om het volledige verhaal te zien van hoe een batterij degradeert of hoe een katalysator werkt, moeten onderzoekers miljoenen atomen simuleren over veel langere perioden, een taak die traditionele methoden simpelweg niet aankunnen.

Om deze kloof te overbruggen, hebben wetenschappers een nieuwe generatie hulpmiddelen ontwikkeld die machine-learned interatomaire potentialen worden genoemd. Denk aan deze als slimme afkortingen: een computerprogramma wordt eerst onderwezen door de trage, nauwkeurige kwantummechanische methode, en leert vervolgens om met ongelooflijke snelheid te voorspellen hoe atomen zich zullen gedragen, wat simulaties van massieve systemen mogelijk maakt. Echter, om deze afkortingen goed te laten werken in de chaotische, complexe wereld waar vaste stoffen en vloeistoffen elkaar ontmoeten, moeten ze worden getraind op data die specifiek die unieke omgeving vastlegt. Tot nu toe heeft de meeste trainingsdata zich gericht op geïsoleerde moleculen of perfecte kristallen, waardoor er een kenniskloof ontstond over hoe vaste stoffen en vloeistoffen met elkaar interageren. Een team van onderzoekers aan de Technische Universiteit van Denemarken heeft deze kloof nu opgevuld door een enorme, gespecialiseerde database te creëren die specifiek is ontworpen voor deze interfaces.

De onderzoekers, onder leiding van Jonas Busk en Tejs Vegge, stelden een dataset samen die zij SoLiD26 noemen. Dit is geen kleine collectie voorbeelden; het is een uitgestrekt archief dat meer dan 15 miljoen verschillende atomische structuren bevat. Elke structuur vertegenwoordigt een momentopname van een systeem waar een metaalachtig oppervlak een waterige oplossing of elektrolyt ontmoet, waarbij de chaotische dans van atomen wordt vastgelegd terwijl ze zich rangschikken, binden en uiteenvallen. De dataset bevat systemen met tot 576 atomen en bevat 15 verschillende chemische elementen, variërend van veelvoorkomend waterstof en zuurstof tot edelmetalen zoals goud, platina en koper. Deze momentopnames werden gegenereerd met een rigoureuze methode genaamd dichtheidsfunctionaaltheorie (density functional theory), die de energie en de krachten die op elk atoom inwerken met hoge precisie berekent. Het team verzamelde deze berekeningen uit talrijke eerdere studies naar waterige metaalinterfaces en elektrochemische systemen, en organiseerde deze vervolgens zorgvuldig in één samenhangende bron.

Het proces van het opbouwen van deze dataset was uiterst nauwgezet. De onderzoekers begonnen met het verzamelen van ruwe data uit diverse projecten, maar zij wisten dat niet alle data gelijkwaardig is. Ze filterden berekeningen eruit die inconsistente instellingen gebruikten of fouten bevatten, zoals structuren waarbij de krachten op de atomen onrealistisch hoog waren. Ze verwijderden ook dubbele vermeldingen om te voorkomen dat de machine learning-modellen bevooroordeeld zouden raken door te vaak hetzelfde voorbeeld te zien. Om subtiele fouten te vangen die eenvoudige controles zouden kunnen missen, gebruikten ze een voorlopig machine learning-model om de data te scannen op uitschieters—vreemde structuren die het model niet goed kon voorspellen, wat vaak duidde op een probleem met de oorspronkelijke berekening. Dit strikte schoonmaakproces zorgde ervoor dat de uiteindelijke bibliotheek alleen hoogwaardige, betrouwbare informatie bevatte, wat het een betrouwbare basis maakte voor het trainen van nieuwe AI-modellen.

De echte test voor deze dataset was om te zien of het een machine learning-model daadwerkelijk beter kon leren de vast-vloeistof-interfaces te begrijpen dan bestaande modellen. Het team nam een krachtig, reeds bestaand AI-model en trainde dit op hun nieuwe data. Ze vergeleken dit nieuwe model met de originele vooraf getrainde versie en een model dat vanaf nul werd getraind op de nieuwe data. De resultaten waren duidelijk: de modellen die getraind waren op SoLiD26 maakten aanzienlijk minder fouten bij het voorspellen van de energie en de krachten binnen deze complexe systemen. Specifiek daalde de fout bij het voorspellen van hoe atomen op elkaar drukken en trekken naar ongeveer een derde van wat het voorheen was. Deze verbetering suggereert dat de dataset de AI er succesvol in heeft geslaagd de unieke regels te leren die het gedrag van vaste stoffen en vloeistoffen samen beheersen, regels die ontbraken in de algemene trainingsdata die voorheen werd gebruikt.

Hoewel de dataset een belangrijke stap voorwaarts is, benadrukken de onderzoekers voorzichtig dat het een hulpmiddel voor ontwikkeling is en geen definitieve oplossing. De modellen die met deze data zijn getraind, hebben nog verdere verfijning nodig, en de huidige tests richtten zich op specifieke soorten chemische elementen en systeemgroottes. Echter, de beschikbaarheid van deze 100-gigabyte bibliotheek, die gedetailleerde gegevens bevat over atomaire posities, krachten en energieën, opent de deur voor wetenschappers wereldwijd om betere simulaties te bouwen. Door een gedeelde, hoogwaardige bron voor het vast-vloeistof-interface te bieden, stelt SoLiD26 onderzoekers in staat om voorbij de beperkingen van kleinschalige simulaties te gaan en de complexe, real-world materialen te modelleren die onze toekomstige energievoorziening aandrijven. Het werk demonstreert dat met de juiste data, machine learning eindelijk de complexe grenzen kan aanpakken waar chemie en fysica samenkomen.