MC3D: The Materials Cloud computational database of experimentally known stoichiometric inorganics

Este artigo apresenta o MC3D, um banco de dados online da Materials Cloud que disponibiliza estruturas cristalinas inorgânicas estequiométricas experimentais otimizadas por meio de cálculos de teoria do funcional da densidade (DFT) com fluxos de trabalho automatizados, garantindo reprodutibilidade total e acesso aberto aos dados e suas proveniências.

O essencial

Imagine que o mundo dos materiais (como metais, cerâmicas e minerais) é uma biblioteca gigante e bagunçada. Nesses livros, existem milhões de receitas de "bolo" (estruturas cristalinas) que cientistas descobriram na natureza ou criaram em laboratório. O problema é que essa biblioteca tem três grandes problemas:

1. A bagunça: Os livros estão escritos em formatos diferentes, alguns têm páginas rasgadas (erros de sintaxe) e outros têm receitas que não funcionam na prática.
2. A inconsistência: Se você pede para três cozinheiros diferentes fazerem o mesmo bolo, eles podem usar quantidades ligeiramente diferentes de farinha ou temperaturas diferentes. Isso faz com que os bolos finais não sejam exatamente iguais, o que atrapalha quem quer comparar as receitas.
3. A falta de testes: Muitas receitas nunca foram realmente testadas no forno para ver se o bolo cresce direito.

É aqui que entra o MC3D, o novo "Super Chef" e "Organizador" apresentado neste artigo.

O que é o MC3D?

O MC3D (Banco de Dados de Estruturas Tridimensionais da Nuvem de Materiais) é como um gigantesco laboratório de culinária automatizado que foi criado para organizar essa biblioteca bagunçada.

Aqui está como eles fizeram isso, passo a passo, usando analogias simples:

1. A Grande Triagem (Importando e Limpando)

Os cientistas pegaram quase 1 milhão de receitas de três grandes bibliotecas mundiais (COD, ICSD e MPDS).

• O filtro de qualidade: Eles jogaram fora as receitas que estavam ilegíveis ou que continham ingredientes "parciais" (como uma receita que diz "meio ovo").
• O filtro de "não é bolo": Eles removeram estruturas que são apenas moléculas soltas (como cristais de açúcar ou gelo), focando apenas em materiais inorgânicos sólidos (como pedras e metais).
• O resultado: De 1 milhão de entradas, sobraram 72.589 receitas únicas e válidas. É como se, de uma pilha de 1 milhão de papéis, eles tivessem encontrado apenas 72 mil receitas perfeitas.

2. O Forno Automático (Otimização com DFT)

Agora, eles tinham as receitas, mas precisavam garantir que o bolo ficasse perfeito. Eles usaram um método chamado Teoria do Funcional da Densidade (DFT).

• A analogia: Imagine que cada estrutura é uma escultura feita de argila. A DFT é como um robô escultor superpreciso que pega a argila e a esculpe até que ela esteja na forma mais estável e energeticamente eficiente possível.
• O desafio: Fazer isso manualmente para 72 mil estruturas levaria séculos. Então, eles criaram um sistema de fluxo de trabalho automatizado (um "robô de robôs").
• O "Forno" (Supercomputadores): Eles usaram supercomputadores poderosos (como o LUMI e o Piz Daint) para assar esses "bolos" digitais.
• O problema do "bolo queimado": Às vezes, o robô erra e o cálculo falha (o bolo queima ou não cresce). O sistema do MC3D é tão inteligente que, se algo der errado, ele tenta de novo automaticamente, ajustando os parâmetros (como mudar a temperatura ou o tempo), até conseguir o resultado perfeito. Isso funcionou em 85,5% dos casos!

3. O Menu Final (O Banco de Dados)

O resultado final é o MC3D PBEsol-v2, que contém 32.013 estruturas únicas perfeitamente otimizadas.

• Por que é especial? Diferente de outros bancos de dados que usam softwares pagos e fechados, o MC3D usa softwares livres e abertos (como o Quantum ESPRESSO). É como se eles tivessem aberto as receitas para que qualquer pessoa pudesse ver exatamente como o bolo foi feito.
• Rastreabilidade Total: Se você olhar um bolo no MC3D, pode ver todo o histórico: quem trouxe a farinha, qual foi a temperatura exata do forno, quantas vezes o robô tentou antes de conseguir. Nada é escondido.

Por que isso importa para você?

1. Para a Inteligência Artificial (IA): Para ensinar um computador a prever novos materiais, você precisa de dados limpos e consistentes. O MC3D é como um livro de receitas padronizado que permite que a IA aprenda sem se confundir com erros ou inconsistências.
2. Para Descobrir Novos Materiais: Se um cientista quiser criar uma bateria melhor ou um chip mais rápido, ele pode olhar no MC3D, encontrar uma estrutura que parece promissora e já ter certeza de como ela se comporta, economizando anos de testes de laboratório.
3. Transparência: Como tudo é aberto e reprodutível, qualquer cientista no mundo pode pegar os dados, rodar o mesmo cálculo e chegar ao mesmo resultado. Isso aumenta a confiança na ciência.

Em resumo

O MC3D é como transformar uma pilha de receitas manuscritas, rasgadas e inconsistentes em um livro de receitas digital, perfeito e testado por robôs, onde cada ingrediente e cada passo do cozimento são conhecidos e verificáveis. Isso acelera a descoberta de novos materiais que podem mudar o nosso futuro, desde baterias mais potentes até novos medicamentos.

Resumo técnico

Visão Geral

O artigo apresenta o MC3D (Materials Cloud Three-Dimensional Structure Database), um banco de dados online de estruturas cristalinas inorgânicas tridimensionais calculadas e otimizadas. O projeto visa fornecer um conjunto curado e consistente de estruturas experimentais conhecidas, processadas através de workflows automatizados de Teoria do Funcional da Densidade (DFT), servindo como base robusta para estudos de descoberta de materiais e aprendizado de máquina.

---

1. O Problema

Embora existam diversos bancos de dados computacionais de materiais (como Materials Project e OQMD), eles enfrentam desafios significativos:

• Inconsistência: Diferentes bancos de dados utilizam configurações computacionais variadas (funcionais, pseudopotenciais, protocolos), o que gera pequenas inconsistências nos dados através da tabela periódica.
• Impacto no Aprendizado de Máquina: Essas inconsistências dificultam o treinamento de modelos de aprendizado de máquina precisos para prever propriedades de materiais não presentes no banco de dados.
• Falta de Reprodutibilidade Completa: Muitos bancos de dados não fornecem o grafo de proveniência completo (histórico de todos os passos de cálculo), dificultando a reprodução exata dos resultados.
• Cobertura Limitada: Muitos bancos focam em estruturas teóricas ou não incluem estruturas experimentais de fontes diversas de forma unificada.

---

2. Metodologia

A construção do MC3D seguiu um pipeline rigoroso e automatizado:

• Importação de Dados: Foram importadas cerca de 901.210 estruturas cristalinas de três grandes bancos de dados experimentais:
  • COD (Crystallographic Open Database)
  • ICSD (Inorganic Crystal Structure Database)
  • MPDS (Materials Platform for Data Science)
• Filtragem e Limpeza: Um processo de filtragem reduziu o conjunto inicial para 72.589 estruturas únicas e estequiométricas (MC3D-source). As etapas incluíram:
  • Validação e correção de sintaxe de arquivos CIF.
  • Remoção de estruturas não estequiométricas (ocupações parciais).
  • Identificação e remoção de duplicatas.
  • Exclusão de cristais moleculares (principalmente contendo hidrogênio e presentes apenas no COD).
  • Identificação de estruturas de origem teórica (apenas ~3.305 foram marcadas como teóricas; ~69.284 são consideradas experimentalmente conhecidas).
• Otimização Geométrica (DFT):
  • Código: Utilizou-se o código de código aberto Quantum ESPRESSO (QE), acelerado pela biblioteca SIRIUS (para execução eficiente em GPUs).
  • Funcionais e Protocolos: Foram geradas três versões do banco de dados usando diferentes funcionais e protocolos: PBE-v1, PBEsol-v1 e PBEsol-v2 (esta última sendo a mais precisa e detalhada no artigo).
  • Restrições: Estruturas contendo lantanídeos ou actinídeos foram excluídas devido à complexidade do tratamento de elétrons f e instabilidades numéricas. O foco foi em estruturas com até 64 átomos na célula unitária.
  • Automação e Tratamento de Erros: Os cálculos foram executados via AiiDA. Um sistema robusto de tratamento de erros automatizado foi implementado para lidar com falhas de convergência (eletrônica ou iônica), reiniciando os cálculos com parâmetros ajustados (ex: redução de parâmetros de mistura) até 5 vezes.
• Proveniência: Todo o histórico de cálculos, entradas brutas e saídas foi preservado automaticamente no banco de dados AiiDA.

---

3. Contribuições Principais

• Banco de Dados Curado e Consistente: O MC3D oferece um conjunto de ~32.000 estruturas otimizadas (versão PBEsol-v2) com protocolos computacionais consistentes, ideal para treinamento de modelos de IA.
• Foco em Experimental: Diferente de muitos bancos que priorizam estruturas teóricas, o MC3D foca em estruturas experimentalmente conhecidas, facilitando a validação de candidatos promissores em novos experimentos.
• Reprodutibilidade Total (Mais-que-FAIR): A preservação do grafo de proveniência completo permite que qualquer pesquisador reproduza exatamente como uma geometria otimizada foi obtida.
• Acesso Aberto e Interoperável:
  • Disponível no portal Materials Cloud.
  • Interface web interativa para exploração e visualização de propriedades (incluindo padrões de difração de raios-X calculados).
  • Endpoint compatível com OPTIMADE para consulta padronizada via API.
• Software Aberto: Todo o pipeline utiliza software de código aberto (AiiDA, Quantum ESPRESSO, SIRIUS, pymatgen), permitindo validação cruzada com outras implementações de DFT.

---

4. Resultados

• Estatísticas de Sucesso:
  • Das 38.739 estruturas processadas na subcoleção sem lantanídeos/actinídeos, 33.142 (85,5%) foram otimizadas com sucesso.
  • A taxa de sucesso é atribuída à escolha cuidadosa de parâmetros de entrada e ao uso de algoritmos de minimização direta (nlcglib) além do método SCF padrão.
  • O tratamento de erros recuperou com sucesso mais da metade das falhas iniciais de convergência.
• Validação Geométrica:
  • A maioria das estruturas (78,1%) apresentou uma variação de volume inferior a ±5% em relação à estrutura experimental original, indicando que a otimização DFT não distorceu drasticamente a estrutura.
  • Desvios maiores foram frequentemente associados a estruturas em altas pressões/temperaturas não reportadas corretamente ou a estruturas em camadas (onde correções de van der Waals não foram aplicadas).
• Novidade em Relação a Outros Bancos:
  • A comparação com o Materials Project e o OQMD revelou que o MC3D contém 3.328 estruturas únicas (novas combinações de composição e grupo espacial) que não estão presentes nesses bancos de dados concorrentes.
• Versões Disponíveis: O artigo foca na versão PBEsol-v2 (32.013 estruturas únicas), mas todas as versões (PBE-v1, PBEsol-v1, PBEsol-v2) estão disponíveis publicamente.

---

5. Significância

O MC3D representa um avanço significativo para a comunidade de ciência dos materiais ao:

1. Preencher Lacunas de Dados: Oferecer uma cobertura de materiais experimentais que complementa e expande os bancos de dados existentes, incluindo estruturas de fontes menos exploradas (como o COD).
2. Habilitar IA Confiável: Fornecer um "ground truth" computacionalmente consistente, essencial para o desenvolvimento de modelos de aprendizado de máquina robustos e generalizáveis.
3. Promover Transparência: Estabelecer um novo padrão de reprodutibilidade através da disponibilização pública de toda a proveniência dos dados, permitindo que a comunidade científica valide e reutilize os resultados com total confiança.
4. Facilitar a Descoberta: Permitir que pesquisadores identifiquem rapidamente candidatos experimentais viáveis para síntese, reduzindo o tempo entre a triagem computacional e a realização experimental.

Em resumo, o MC3D é um recurso fundamental que une a confiabilidade de dados experimentais com a precisão de cálculos DFT padronizados, impulsionando a descoberta acelerada de novos materiais.