[論文レビュー] Reduced collinearity, low-dimensional cluster expansion model for adsorption of halides (Cl, Br) on Cu(100) surface using principal component analysis

Bibek Dash, Suhail Haque+1 more|arXiv (Cornell University)|Jul 21, 2023

Machine Learning in Materials Science被引用数 4

ひとこと要約

本稿では、塩化物（Cl、Br）がCu(100)上に吸着する際の共線形性とデータ不足の問題を克服するため、主成分分析（PCA）に基づくクラスターエキスパンションモデル（CEM）を提案する。相関するクラスターアクションを非相関の主成分に変換することで、8つの密度汎関数理論（DFT）エネルギーのみで高精度なCEMを構築可能となり、10個の有効クラスターアクションを持つ低次元モデルが得られ、実験的な熱力学的挙動と一致する。

ABSTRACT

The cluster expansion model (CEM) provides a powerful computational framework for rapid estimation of configurational properties in disordered systems. However, the traditional CEM construction procedure is still plagued by two fundamental problems: (i) even when only a handful of site cluster types are included in the model, these clusters can be correlated and therefore they cannot independently predict the material property, and (ii) typically few tens-hundreds of datapoints are required for training the model. To address the first problem of collinearity, we apply the principal component analysis method for constructing a CEM. Such an approach is shown to result in a low-dimensional CEM that can be trained using a small DFT dataset. We use the ab initio thermodynamic modeling of Cl and Br adsorption on Cu(100) surface as an example to demonstrate these concepts. A key result is that a CEM containing 10 effective cluster interactions build with only 8 DFT energies (note, number of training configurations > number of principal components) is found to be accurate and the thermodynamic behavior obtained is consistent with experiments. This paves the way for construction of high-fidelity CEMs with sparse/limited DFT data.

研究の動機と目的

• 従来のクラスターエキスパンションモデル（CEM）におけるクラスターアクション同士の共線形性という、長年の問題に対処すること。これは、材料の性質を独立に予測することを妨げる。
• 次元削減を活用することで、とくにDFTデータが限られた場合に、CEMの学習に必要なデータ量を削減すること。
• 最小限のトレーニング構成数で高い精度を維持しながら、低次元のCEMを構築すること。
• PCAに基づく特徴変換を用いて、限られたDFTデータセットから高精度なCEMを構築する可能性を示すこと。
• ClおよびBrがCu(100)上に吸着する際の実験データと比較することで、モデルの予測能力を検証すること。

提案手法

• 相関するクラスターアクションのベクトルを主成分分析（PCA）を用いて非相関の主成分に変換し、共線形性を低減すること。
• 主成分を基底関数として用い、原始的なクラスターアクションの代わりに低次元のクラスターエキスパンションモデル（CEM）を構築すること。
• DFTで計算された8つの吸着エネルギーのみを用いてCEMを学習させ、従来手法よりも少ないデータポイントで成功を収めたことの実証を行うこと。
• 説明される分散に基づいて主成分の数を決定し、モデルの忠実性を保ちながら次元を最小限に抑えること。
• 主成分から元のクラスターアクションを再構築し、吸着エネルギーに寄与する物理的寄与を解釈すること。
• 予測された熱力学的性質（例：表面被覆率、ギブズ自由エネルギー）と実験的傾向を比較することで、モデルを検証すること。

実験結果

リサーチクエスチョン

• RQ1 PCAは、表面吸着系におけるクラスターエキスパンションモデルのクラスターアクション間の共線形性を効果的に低減できるか？
• RQ2 最小限のDFTデータセット（例：8つのエネルギー）で学習されたCEMが、Cu(100)上でのハライド吸着に対してどの程度の予測精度を維持できるか？
• RQ3 PCAに基づくCEMは、ClおよびBrがCu(100)上に吸着する際の実験的に観察された熱力学的傾向を再現できるか？
• RQ4 最小のモデル複雑性でハライド吸着の本質的物理を捉えるために、どの程度の主成分数が必要か？
• RQ5 得られた低次元CEMは、物理的に意味のあるクラスターアクションの観点から解釈可能か？

主な発見

• 8つのDFTエネルギーのみを用いて10個の有効クラスターアクションから構築されたクラスターエキスパンションモデルは、ClおよびBrがCu(100)上に吸着する際の吸着熱力学的挙動を高精度に予測した。
• PCAに基づく手法は、クラスターアクション間の共線形性を効果的に低減し、限られたトレーニングデータでも安定的かつ独立したパrameter推定を可能にした。
• モデルが予測した表面被覆率およびギブズ自由エネルギーの傾向は、実験的観察と一致しており、その予測能力が裏付けられた。
• トレーニング構成数（8つ）が使用した主成分数を上回っており、信頼できるモデル学習の条件を満たしていた。
• 得られた低次元CEMは、DFTデータが疎であっても高精度なモデリングが可能であることを示しており、計算コストを顕著に削減した。
• この手法により、従来手法がデータ不足やクラスターアクションの高相関性のため失敗するような系に対しても、正確なCEMの構築が可能になった。