[論文レビュー] Inverse design of crystal structures for multicomponent systems

Teng Long, Yixuan Zhang+4 more|arXiv (Cornell University)|Apr 16, 2021

Machine Learning in Materials Science被引用数 4

ひとこと要約

本論文は、可逆的結晶グラフから導出された連続的潜在空間において形成エネルギーを最適化することで、安定な多成分結晶構造の逆設計を実現する深層生成フレームワークを提示する。8,310種の異なる結晶構造（うち15種は報告されていない）を効率的に生成し、6つの材料系において凸包より下に位置する熱力学的に安定な相を達成した。これは、多目的最適化への高い効率性と可能性を示している。

ABSTRACT

We developed an inverse design framework enabling automated generation of stable multi-component crystal structures by optimizing the formation energies in the latent space based on reversible crystal graphs with continuous representation. It is demonstrated that 9,160 crystal structures can be generated out of 50,000 crystal graphs, leading to 8,310 distinct cases using a training set of 52,615 crystal structures from Materials Project. Detailed analysis on 15 selected systems reveals that unreported crystal structures below the convex hull can be discovered in 6 material systems. Moreover, the generation efficiency can be further improved by considering extra hypothetical structures in the training. This paves the way to perform inverse design of multicomponent materials with possible multi-objective optimization.

研究の動機と目的

• 既知の材料を超えて、自動的かつデータ駆動型の安定な多成分結晶構造の逆設計を可能にすること。
• 複雑な系における膨大で高次元な結晶構造空間を探索する課題を克服すること。
• 熱力学的安定性の最適化に適した連続的かつ微分可能な結晶構造表現を開発すること。
• 生成モデルを用いて、凸包より下に位置する報告されていない安定な結晶相を同定すること。
• 52,615個のMaterials Project構造を含む大規模データセットで学習することで、フレームワークのスケーラビリティと汎用性を実証すること。

提案手法

• 可逆的結晶グラフを用いて結晶構造を連続的潜在空間に符号化し、微分可能な生成と最適化を可能にする。
• GNNベースのエンコーダおよびデコーダを備えた変分オートエンコーダ（VAE）が、結晶グラフの連続的かつ可逆的な表現を学習する。
• 熱力学的安定性基準をガイドとして、勾配ベースの最適化により潜在空間で形成エネルギーを最適化する。
• 学習された潜在分布からのサンプリングとデコードを用いて、新しい結晶構造を生成する。
• 生成効率と多様性を向上させるために、仮説的構造をトレーニングセットに統合する。
• 安定性は凸包を基準として評価され、凸包より下に位置する相は熱力学的に安定とみなされる。

実験結果

リサーチクエスチョン

• RQ1 連続的潜在空間における深層生成モデルは、新しい安定な多成分結晶構造を効果的に発見できるか？
• RQ2 このフレームワークは、熱力学的に安定（すなわち凸包より下）な異なる結晶構造をどの程度効率よく生成できるか？
• RQ3 トレーニングセットに仮説的構造を組み込むことで、生成された結晶構造の効率性と多様性はどのように変化するか？
• RQ4 既知の多成分系において、報告されていない結晶相を同定できるか？
• RQ5 このフレームワークは、多様な材料系にわたってスケーラブルかつ汎用的か？

主な発見

• 50,000個の結晶グラフから52,615個のMaterials Projectエントリを含むトレーニングセットを用いて、9,160個の結晶構造を生成し、そのうち8,310個が異なる構造であった。
• 15の選択された材料系のうち6つに、凸包より下に位置する以前に報告のなかった結晶構造が含まれており、熱力学的安定性を示している。
• 仮説的構造をトレーニングセットに組み込むことで、生成効率が著しく向上し、探索空間カバレッジが拡大した。
• 従来の探索手法では計算的に困難な複雑な多成分系においても、安定な結晶相を効果的に同定できた。
• 連続的潜在空間表現により、形成エネルギーの勾配ベース最適化が可能となり、高次元の結晶構造空間の効率的探索が実現した。
• フレームワークは、安定性と機能的特性のバランスをとる多目的逆設計において強く有望な可能性を示している。