[論文レビュー] Data-Driven Prediction of Complex Crystal Structures of Dense Lithium

Xiaoyang Wang, Zhenyu Wang+7 more|arXiv (Cornell University)|Feb 8, 2023

Machine Learning in Materials Science被引用数 4

ひとこと要約

本研究では、集団知能に基づくグローバル構造探索と機械学習ポテンシャルを組み合わせることで、192原子まで含む巨大単位胞を持つ4つの新しい複雑な結晶相を予測した。これらの相は、融点付近（40–60 GPa）で既知の相とエネルギー的に同等であり、高圧および有限温度下での新しい結晶相の観測と一致する。予測されたmP160、oP192、oP48、tI20相は、実験的相とほぼ degenerate なギブス自由エネルギーを示し、高圧および有限温度下でのリチウムの新規に観測された結晶相の有力候補である。

ABSTRACT

Lithium (Li) is a prototypical simple metal at ambient conditions, but exhibits remarkable changes in structural and electronic properties under compression. There has been intense debate about the structure of dense Li, and recent experiments offered fresh evidence for new yet undetermined crystalline phases near the enigmatic melting minimum region in the pressure-temperature phase diagram of Li. Here, we report on an extensive exploration of the energy landscape of Li using an advanced crystal structure search method combined with a machine learning approach, which greatly expands the scale of structure search, leading to the prediction of four complex Li crystal phases containing up to 192 atoms in the unit cell that are energetically competitive with known Li structures. These findings provide a viable solution to the newly observed yet unidentified crystalline phases of Li, and showcase the predictive power of the global structure search method for discovering complex crystal structures in conjunction with accurate machine-learning potentials.

研究の動機と目的

• 実験的データがアモルファス相や試料劣化のため不確実な状態にある、融点付近（40–60 GPa）の高密度リチウムの結晶構造に関する長年の曇りを解消すること。
• 複数の浅いエネルギー極小が存在する高圧および有限温度下のリチウムの複雑なエネルギー・ランドスケープを解明すること。
• 強相関系材料において、高度なグローバル最適化と機械学習ポテンシャルを統合することで、複雑で大規模な単位胞を持つ結晶相を発見する予測能力を示すこと。
• 深層ポテンシャル分子動力学を用いた熱力学的統合により、ギブス自由エネルギーを計算することで、相の安定性を熱力学的に整合性を持って予測すること。

提案手法

• 広範な高圧および有限温度条件において、リチウムのポテンシャルエネルギー面を探索するため、集団知能に基づくグローバル構造探索アルゴリズムを採用した。
• 密度汎関数理論のデータで訓練された深層学習ポテンシャル（DPMD）を用いて、最大192原子を含む大スケールスーパセルの高精度かつ高効率な自由エネルギー計算を実現した。
• 深層ポテンシャル分子動力学による熱力学的統合（TI）を用いて、非調和的および核量子効果を含む高精度な競合相のギブス自由エネルギーを計算した。
• 自由エネルギー差を、調和近似（FDおよびDFPT）と非調和補正（TI）を用いてcI16相を基準に計算し、DPの不確実性と統計的フラクチュエーションからの誤差推定を実施した。
• Ab initio計算、機械学習ポテンシャル、統計熱力学を統合したマルチスケール手法を用いて、P-T相図全域における相の相対的安定性を評価した。
• 特に45–70 GPaの範囲で、急速圧縮実験からのX線回折実験データと自由エネルギーのトレンドを比較することで、予測の妥当性を検証した。

実験結果

リサーチクエスチョン

• RQ1 実験的データが曇りの多い回折ピークを示す融点付近（40–60 GPa）の高密度リチウムの安定な結晶構造は何か？
• RQ2 有限温度下で、実験的に観察された相（例：oC88やcI16）と比較して、新たに予測された複雑な相のギブス自由エネルギーはどのように異なるか？
• RQ3 この圧力範囲におけるリチウムの競合相の相対的安定性に、非調和効果および核量子効果はどの程度寄与するか？
• RQ4 機械学習ポテンシャルとグローバル最適化を組み合わせることで、リチウムのような強相関金属における大単位胞結晶相を信頼性高く予測できるか？
• RQ5 高密度リチウムのエネルギー・ランドスケープに観察された相の共存およびほぼ degenerate な状態の熱力学的起源は何か？

主な発見

• 50 GPa未満ではmP160相が最も有望な候補であり、50 GPaおよび250 KでcI16相および液体相とほぼ degenerate なギブス自由エネルギーを示し、他の相が動的不安定である領域で安定である。
• 55 GPaではoP48相が予測されたoP192相および実験的に観察されたoC88相よりも優れた熱力学的安定性を示し、約110 K以上でoC88相より自由エネルギーが低くなる。
• 65 GPaでは、oP48相とtI20相はそれぞれ110 K以上および160 K以上でoC88相より自由エネルギーが低く、この領域の真の基底状態である可能性が示唆される。
• 予測されたoP192相は55 GPaでのみ動的安定であり、oC88相より自由エネルギーが低いため、遷移経路における一時的または準安定相である可能性がある。
• 50 GPaおよび250 Kで、競合相間のギブス自由エネルギー差は2 meV/atom以内であり、エネルギー・ランドスケープが平坦で、P-T歴および実験的条件に極めて敏感であることを示している。
• 融点付近のエネルギー・ランドスケープ全体は、複数の浅い局所的極小から構成されており、mP160、oP48、oP192、tI20を含む複数の相が数meV/atomの範囲内で競合しており、実験的相の明確な同定が困難である理由を説明している。