[論文レビュー] Data-driven Approach to Parameterize SCAN+U for an Accurate Description of 3d Transition Metal Oxide Thermochemistry

Nongnuch Artrith, José Antonio Garrido Torres+2 more|arXiv (Cornell University)|Feb 1, 2021

Machine Learning in Materials Science参考文献 43被引用数 5

ひとこと要約

本論文は、3d遷移金属酸化物の高精度な熱力学的性質予測を目的として、データ駆動型で統合的な最適化フレームワークを提示する。1,710件の反応から得られる生成エネルギーと反応エネルギーを統合することで、交差検証（leave-one-out）を用いた手法により、二元酸化物で40%、三元酸化物で75%の生成エネルギー誤差低減が達成され、それぞれ0.10 eV/atomおよび0.03 eV/atomの精度に到達した。

ABSTRACT

Semi-local DFT methods exhibit significant errors for the phase diagrams of transition-metal oxides that are caused by an incorrect description of molecular oxygen and the large self-interaction error in materials with strongly localized electronic orbitals. Empirical and semiempirical corrections based on the DFT+U method can reduce these errors, but the parameterization and validation of the correction terms remains an on-going challenge. We develop a systematic methodology to determine the parameters and to statistically assess the results by considering thermochemical data across a set of transition metal compounds. We consider three interconnected levels of correction terms: (1) a constant oxygen binding correction, (2) Hubbard-U correction, and (3) DFT/DFT+U compatibility correction. The parameterization is expressed as a unified optimization problem. We demonstrate this approach for 3d transition metal oxides, considering a target set of binary and ternary oxides. With a total of 37 measured formation enthalpies taken from the literature, the dataset is augmented by the reaction energies of 1,710 unique reactions that were derived from the formation energies by systematic enumeration. To ensure a balanced dataset across the available data, the reactions were grouped by their similarity using clustering and suitably weighted. The parameterization is validated using leave-one-out cross-validation (CV), a standard technique for the validation of statistical models. We apply the methodology to the SCAN density functional. Based on the CV score, the error of binary (ternary) oxide formation energies is reduced by 40% (75%) to 0.10 (0.03) eV/atom. The method and tools demonstrated here can be applied to other classes of materials or to parameterize the corrections to optimize DFT+U performance for other target physical properties.

研究の動機と目的

• 3d遷移金属酸化物における強い局在化したd電子を有する系において、DFTの大きな自己相互作用誤差を解消すること。
• 統一的な最適化フレームワークを用いて、DFT+U補正を体系的にパラメータ化すること。
• 二元および三元酸化物の生成エンタルピー予測精度を向上させること。
• クラスタリングと重み付き反応選択を用いて、データセットの代表的な表現を確保すること。
• 厳密なleave-one-out交差検証を用いて、パラメータ化の妥当性を検証すること。

提案手法

• 本手法は、酸素結合エネルギー、ハーバードU、DFT/DFT+Uの整合性の3つの補正項を統合した最適化問題としてDFT+Uパラメータ化を定式化する。
• 37件の測定済み生成エンタルピーと、酸化物化合物の体系的全列挙から得られる1,710件の固有の反応エネルギーを含むデータセットを用いる。
• 構造的類似性に基づいて反応をクラスタリングし、データセット全体における代表性のバランスを確保する。
• クラスターサイズに応じた重みを各反応に割り当て、過剰に代表される相に偏りが生じないよう防止する。
• 実験的生成エネルギーからの偏差を最小化するため、最小二乗法によるフィッティング手順を用いてパラメータ化を最適化する。
• 予測精度と一般化能力を評価するため、leave-one-out交差検証を用いて検証を実施する。

実験結果

リサーチクエスチョン

• RQ1 統一的かつデータ駆動型のアプローチは、3d遷移金属酸化物におけるDFT+Uの精度を向上させ得るか？
• RQ2 酸素結合エネルギー、U、整合性の3つの補正項を併用することで、熱力学的予測誤差はどのように変化するか？
• RQ3 最小の生成エネルギー誤差を達成するための、異なる補正項間の最適なバランスは何か？
• RQ4 クラスタリングと重み付きサンプリングは、多様な酸化物相にわたるモデルの頑健性を向上させ得るか？
• RQ5 交差検証は、パラメータ化されたSCAN+U関数の予測能力をどの程度正当化できるか？

主な発見

• 二元酸化物の生成エネルギーにおける平均絶対誤差が40%低減され、0.10 eV/atomの精度に到達した。
• 三元酸化物では誤差が75%低減され、0.03 eV/atomまで改善され、顕著な精度向上が達成された。
• leave-one-out交差検証により、モデルの頑健性と一般化能力が確認された。
• 1,710件の固有反応エネルギーを含むデータセットは、バランスの取れたデータセット構成と予測性能の向上に寄与した。
• 統一的最適化フレームワークにより、他の材料や物理的性質への応用が可能な移行可能なパラメータ化が可能になった。