[論文レビュー] Systematic Atomic Structure Datasets for Machine Learning Potentials: Application to Defects in Magnesium

Marvin Poul, Liam Huber+2 more|arXiv (Cornell University)|Jul 8, 2022

Machine Learning in Materials Science被引用数 5

ひとこと要約

本論文は、マグネシウムを対象として、機械学習原子間ポテンシャル（MLIPs）のためのバイアスのないトレーニングデータセットを体系的かつ対称性に基づいて生成する手法を提示する。空間群のすべての組み合わせとその歪みをサンプリングすることで、欠陥をトレーニングに含めず、アクティブラーニングを用いずに、hcpおよびbcc相と欠陥を正確に記述できる移行性のあるポテンシャルを構築した。多様な原子環境において高い予測精度を達成した。

ABSTRACT

We present a physically motivated strategy for the construction of training sets for transferable machine learning interatomic potentials. It is based on a systematic exploration of all possible space groups in random crystal structures, together with deformations of cell shape, size, and atomic positions. The resulting potentials turn out to be unbiased and generically applicable to studies of bulk defects without including any defect structures in the training set or employing any additional Active Learning. Using this approach we construct transferable potentials for pure Magnesium that reproduce the properties of hexagonal closed packed (hcp) and body centered cubic (bcc) polymorphs very well. In the process we investigate how different types of training structures impact the properties and the predictive power of the resulting potential.

研究の動機と目的

• 欠陥特有の構造や低エネルギー構造に依存しない、物理的に妥当でバイアスのないトレーニングセットを構築すること。
• 結晶対称性の体系的サンプリングが、バルク欠陥のMLIPsの移行性と精度に与える影響を調査すること。
• 欠陥構造をトレーニングに含めず、アクティブラーニングを用いずに、高い移行性を達成できることを示すこと。
• カットオフ半径と基底関数レベルが、特に表面やスタッキングフォールトにおいて、ロバストネスと精度を確保する上で果たす役割を評価すること。
• 他の材料にも適用可能な、一般化可能で自動化されたフレームワークを構築し、移行性のあるMLIPsを構築すること。

提案手法

• マグネシウムのすべての可能な空間群を探索し、さまざまなセル形状、サイズ、原子位置を有するランダムな結晶構造を体系的に生成する。
• 各空間群構造に歪みを適用し、広範な原子環境と局所対称性をサンプリングする。
• 全生成構造について、密度汎関数理論（DFT）を用いて基準エネルギー、力、応力を計算する。
• 全データセットを用いてモーメントテンソルポテンシャル（MTPs）をトレーニングし、移行性を確保するため、カットオフ半径と基底関数レベルを慎重に選択する。
• 欠陥（点欠陥、表面、粒界）におけるモデル性能を評価し、他の異なるデータセットでトレーニングされたMLIPsと比較する。
• 外部データセット（他の研究グループのデータを含む）を用いてモデルの一般化能力をテストすることで、トレーニングデータを超えた一般化能力を評価する。

実験結果

リサーチクエスチョン

• RQ1 結晶構造の体系的かつ対称性に基づくサンプリングによって、欠陥構造をトレーニングに含めず、欠陥に移行性のある機械学習原子間ポテンシャル（MLIPs）を生成できるか？
• RQ2 カットオフ半径と基底関数レベルの選択が、特に表面やスタッキングフォールトにおいて、得られるMLIPsの精度と移行性に与える影響はいかほどか？
• RQ3 特にすべての空間群をカバーするようなトレーニングセットの多様性が、従来の方法やアクティブラーニングに基づくトレーニングセットと比較して、一般化性能をどの程度向上させるか？
• RQ4 十分に多様で物理的に妥当なトレーニングセットが整った後、アクティブラーニングがさらなる利点をもたらすか？
• RQ5 包括的でバイアスのないデータセットでトレーニングされたMLIPsは、より限定的で応用特化型のデータセットでトレーニングされたモデルよりも、外部データセットで優れた性能を示せるか？

主な発見

• すべての空間群とその歪みを体系的にサンプリングすることで、欠陥構造を事前に含めず、マグネシウムのhcpおよびbcc相を正確に記述できるトレーニングセットが得られた。
• 得られたMTPsは、欠陥および表面において低い平均二乗誤差（RMSE）を達成した。カットオフ半径8.2 Åおよび基底関数レベル16以上が、誤ったゼロのスタッキングエネルギーを避けるために不可欠であった。
• 包括的な「Everything」データセットでトレーニングされたポテンシャルは、外部データに対してテストされた際、より小さな応用特化型データセットでトレーニングされた他のMLIPsを上回り、優れた移行性を示した。
• 多様で対称性に基づいたトレーニングセットが整った後は、アクティブラーニングが性能向上に顕著な効果をもたらさないことが示され、本質的にデータの多様性が、反復的改善よりも重要であることがわかった。
• 外挿を伴わない状況でも、補間誤差が適切に管理されていなければ、MLIPsは非最適な結果を生じる可能性がある。これは、トレーニングセットのカバー範囲と基底関数の品質の重要性を強調している。
• 本手法により、マグネシウムの一般用途向けで移行性のあるMLIPsの構築が可能となり、平衡相と欠陥を正確に記述できる。全データとコードは公開済みである。