[論文レビュー] The Open Catalyst 2022 (OC22) Dataset and Challenges for Oxide Electrocatalysts

Richard Tran, Janice Lan+15 more|arXiv (Cornell University)|Jun 17, 2022

Machine Learning in Materials Science被引用数 13

ひとこと要約

OC22データセットは、多様な組成、被覆率、および吸着種を有する62,331個のDFT緩和酸化物表面を導入し、機械学習モデルが全エネルギーと力の予測を正確に行えるようにする。OC20とOC22のデータを統合してGemNet-OCのようなモデルをファインチューニングすることで、全エネルギー予測性能が約36%向上し、長距離相互作用を有する複雑な酸化物電気触媒における一般化性能の向上を示している。

ABSTRACT

The development of machine learning models for electrocatalysts requires a broad set of training data to enable their use across a wide variety of materials. One class of materials that currently lacks sufficient training data is oxides, which are critical for the development of OER catalysts. To address this, we developed the OC22 dataset, consisting of 62,331 DFT relaxations (~9,854,504 single point calculations) across a range of oxide materials, coverages, and adsorbates. We define generalized total energy tasks that enable property prediction beyond adsorption energies; we test baseline performance of several graph neural networks; and we provide pre-defined dataset splits to establish clear benchmarks for future efforts. In the most general task, GemNet-OC sees a ~36% improvement in energy predictions when combining the chemically dissimilar OC20 and OC22 datasets via fine-tuning. Similarly, we achieved a ~19% improvement in total energy predictions on OC20 and a ~9% improvement in force predictions in OC22 when using joint training. We demonstrate the practical utility of a top performing model by capturing literature adsorption energies and important OER scaling relationships. We expect OC22 to provide an important benchmark for models seeking to incorporate intricate long-range electrostatic and magnetic interactions in oxide surfaces. Dataset and baseline models are open sourced, and a public leaderboard is available to encourage continued community developments on the total energy tasks and data.

研究の動機と目的

• 酸化物電気触媒を対象とする機械学習モデルのための包括的で多様なトレーニングデータの不足に応えること、特に酸素発生反応（OER）を対象とする。
• 遷移金属酸化物の多様な組成、表面終末、吸着種被覆率、欠陥を含む、大規模かつオープンアクセスのDFT緩和酸化物表面データセットを構築すること。
• グラフニューラルネットワークを用いた酸化物材料における全エネルギーおよび力の予測のための標準化されたベンチマークを確立すること。
• 正確な全エネルギーモデリングを介して、吸着エネルギー、表面エネルギー、Pourbaix図などの熱力学的性質の予測を可能にすること。
• 表面再構成、バキューリー、長距離静電的効果などの複雑な表面現象をモデル化することで、計算予測と実験的触媒設計との間の連携を強化すること。

提案手法

• OC22データセットは、ペロブスカイト、スピンエル、層状酸化物を含む多様な遷移金属酸化物の62,331個のDFT緩和スラブおよび吸着種＋スラブ系を含む。
• 多様な表面終末、可変な吸着種被覆率（H、O、OH、O2）、酸素バキューリーおよび欠陥を明示的にモデル化している。
• 全エネルギー予測の一般化タスクを定義し、吸着エネルギー、表面エネルギー、反応エネルギーなどの熱力学的量の予測を可能にする。
• 特にGemNet-OCを含むグラフニューラルネットワークを、OC20とOC22の統合データでファインチューニングし、酸化物固有の電子的および構造的特徴の一般化と性能向上を図る。
• 再現可能なベンチマークを確保するため、事前に定義されたトレイン／バリエーション／テスト分割を設定し、エネルギーおよび力の両方の予測タスクでモデルを評価する。
• データセットはASEトラジェクトリ、LMDBなどの複数のフォーマットでリリースされ、ベースラインモデル、データローダー、パブリックリーダーボードを併記し、コミュニティ主導の開発を促進する。

実験結果

リサーチクエスチョン

• RQ1 OC20とOC22のデータセットを統合してトレーニングすることで、酸化物電気触媒の全エネルギー予測精度が顕著に向上するか？
• RQ2 GemNet-OCのようなグラフニューラルネットワークが、結合データセットでファインチューニングされた場合、化学的に異なる酸化物材料へどの程度一般化できるか？
• RQ3 OC22でトレーニングされた機械学習モデルは、既知の文献における吸着エネルギーおよびOERスケーリング関係をどの程度正確に予測できるか？
• RQ4 OC22でトレーニングされた予測モデルは、表面エネルギーおよびPourbaix図などの熱力学的性質を正確に再現できるか？
• RQ5 表面欠陥および可変被覆率を含めることで、酸化物表面の機械学習モデルの性能および一般化能力にどのような影響を与えるか？

主な発見

• OC20とOC22のデータを統合してGemNet-OCをファインチューニングした結果、OC22テストセットにおける全エネルギー予測精度が約36%向上した。
• 統合トレーニングにより、OC20データセットでは全エネルギー予測性能が約19%向上し、OC22では力の予測性能が約9%向上した。
• 最良の性能を示したモデルは、既知の文献における吸着エネルギーを正確に再現し、OERの主要なスケーリング関係を再現した。これは物理的整合性の妥当性を裏付けている。
• このデータセットにより、表面エネルギーの正確な予測が可能となり、相図およびWulff形状の構築が可能となり、熱力学的安定性解析に応用できる。
• 酸素バキューリーおよび可変被覆率をデータセットに含めることで、Mars-van Krevelen機構や欠陥媒介触媒の研究におけるモデルの能力が向上した。
• オープンソース化されたデータセット、ベースラインモデル、パブリックリーダーボードは、酸化物電気触媒向けに一般化可能な機械学習モデルの開発を加速すると期待される。