[論文レビュー] Vibrational Entropy and Free Energy of Solid Lithium using Covariance of Atomic Displacements Enabled by Machine Learning

Mgcini Keith Phuthi, Yang Huang+2 more|arXiv (Cornell University)|Jun 18, 2024

Machine Learning in Materials ScienceMaterials Science被引用数 3

ひとこと要約

この論文は、固体リチウムにおける振動的エントロピーおよびギブズ自由エネルギーを高精度に計算するために、共分散原子変位（CAD）を用いた機械学習原子間ポテンシャル（MLIP）に基づく手法を提示する。MLIP-CAD手法は、実験的フォノン分散関係、エントロピー、およびマルテンサイト転移を高い精度で再現しており、有限温度における物性を計算するためのスケーラブルで効率的な、第一原理計算の代替手法を提供する。

ABSTRACT

Vibrational properties of solids are key to determining stability, response and functionality. However, they are challenging to computationally predict at Ab-Initio accuracy, even for elemental systems. Ab-Initio methods for modeling atomic interactions are limited in the system sizes and simulation times that can be achieved. Due to these limitations, Machine Learning Interatomic Potentials (MLIPs) are gaining popularity and success as a faster, more scalable approach for modeling atomic interactions, potentially at Ab-Initio accuracy. Even with faster potentials, methodologies for predicting entropy, free energy and vibrational properties vary in accuracy, cost and difficulty to implement. Using the Covariance of Atomic Displacements (CAD) to predict entropy, free energy and finite-temperature phonon dispersions is a promising approach but thorough benchmarking has been hampered by the cost of Ab-Initio methods for sampling. In this work, we use a MLIP and the CAD to characterize the convergence of the predicted properties and determine optimal sampling strategies. We focus on solid lithium at zero pressure, showing that the MLIP-CAD approach reproduces experimental entropy, phonon dispersions and the martensitic transition while also comparing to more established methods.

研究の動機と目的

• 機械学習ポテンシャルを用いて、固体における振動的自由エネルギーおよびエントロピーをスケーラブルかつ高精度に計算する手法を開発すること。
• 実験データが入手可能な挑戦的である元素系、リチウムにおいて、有限温度物性に対する原子変位の共分散（CAD）法のベンチマークを実施すること。
• 高精度なMLIPを用いたCADベースのエントロピーおよび自由エネルギー計算における最適なサンプリング戦略（例：シミュレーション長、系の種類）を同定すること。
• 実験データ、密度汎関数理論（DFT）、および既存手法（準調和近似、熱力学的統合）と照合して、MLIP-CAD手法の妥当性を検証すること。
• MLIP-CAD手法が、リチウムにおけるマルテンサイト転移のような相安定性および構造的転移を予測する可能性と正確性を実証すること。

提案手法

• 本研究では、第一原理データで学習されたNequIPベースの機械学習原子間ポテンシャル（MLIP）を用い、固体リチウムにおける原子間相互作用を高精度かつ高効率にモデル化する。
• 原子変位相関から振動的エントロピーおよび自由エネルギーを計算するために、原子変位の共分散（CAD）法を用いる。NPTおよびNVT分子動力学シミュレーションで実施する。
• LAMMPSを用いたシミュレーションでは、20,000ステップ、2 fsステップ幅を用い、NVTおよびNPT系ではNosé-Hooverサーモスタットおよびバロスタットを適用する。
• この手法では、原子変位の配置積分を用いてヘルムホルツ自由エネルギーを計算し、振動的寄与は原子変位の共分散行列から導出する。
• ギブズ自由エネルギーは $ G = U(V) + F_{vib}(V,T) + F_{el}(T) $ として計算され、ここで $ F_{vib} $ はCADから得られ、最小の $ G $ が最も安定した相を示す。
• 本手法は、実験データ、DFT、および準調和近似や熱力学的統合といった既存手法と照合して検証されている。

Figure 1 : Schematic workflow for CAD calculations with MLIPs. The inset plot demonstrates that to run a converged CAD calculation in less than an hour, it is necessary to use an MLIP such as NequIP or faster potential.

実験結果

リサーチクエスチョン

• RQ1 訓練済みのMLIPを用いたCAD法は、有限温度における固体リチウムの振動的エントロピーおよび自由エネルギーを高精度に再現できるか？
• RQ2 MLIP-CAD手法は、フォノン分散関係および相安定性予測において、準調和近似や熱力学的統合といった既存手法と比較してどのように性能を発揮するか？
• RQ3 リチウムにおけるCADベースの自由エネルギーおよびエントロピーの収束を達成するための最適なサンプリング戦略（例：シミュレーション長、系の種類）は何か？
• RQ4 MLIP-CAD手法は、実験的に観測されたリチウムのマルテンサイト転移を正しく予測できるか？
• RQ5 CAD法は、元素系固体における有限温度物性を計算するにあたり、第一原理計算と比較して、正確性と効率性をどの程度維持できるか？

主な発見

• MLIP-CAD手法は、固体リチウムの実験的振動的エントロピーを高い精度で再現しており、その予測能力が妥当であることを裏付けている。
• この手法は、リチウムのフォノン分散関係を正確に予測しており、実験測定値と良好な一致を示している。
• MLIP-CADアプローチは、有限温度における重要な構造的転移であるリチウムのマルテンサイト転移を効果的に捉えている。
• NPTシミュレーションにおいて20,000ステップでCAD法による自由エネルギーおよびエントロピーが収束しており、MLIPによる効率的なサンプリングが可能であることを示している。
• MLIP-CADの結果は、熱力学的統合および準調和近似の結果と強く一致しており、その信頼性が確認されている。
• 本研究では、MLIPとCADを組み合わせることで、固体における有限温度物性を計算するためのスケーラブルで正確かつ効率的な代替手法が実現可能であることが示された。

Figure 2 : Convergence of CAD entropy and vibrational free energy with and without symmeterization for BCC lithium at 300K with respect to a) number of atoms in unit cell using 10,000 timesteps b) number of MD steps using 432 atoms. Standard errors (too small to be visible) over five different sets