[논문 리뷰] Data-driven Approach to Parameterize SCAN+U for an Accurate Description of 3d Transition Metal Oxide Thermochemistry

Nongnuch Artrith, José Antonio Garrido Torres외 2명|arXiv (Cornell University)|2021. 02. 01.

Machine Learning in Materials Science참고 문헌 43인용 수 5

한 줄 요약

이 논문은 3dd 전이 금속 산화물의 정확한 열화학을 위해 SCAN+U 기능을 파arameter화하기 위한 데이터 기반 통합 최적화 프레임워크를 제시한다. 1,710개의 유도된 반응에서 유도된 형성 에너지와 반응 에너지를 통합함으로써, 이중 산화물의 경우 40% 감소, 삼중 산화물의 경우 75% 감소된 형성 에너지 오차를 달성하며, 유사한 반복 검증을 통해 각각 0.10 eV/atom 및 0.03 eV/atom의 정확도를 확보한다.

ABSTRACT

Semi-local DFT methods exhibit significant errors for the phase diagrams of transition-metal oxides that are caused by an incorrect description of molecular oxygen and the large self-interaction error in materials with strongly localized electronic orbitals. Empirical and semiempirical corrections based on the DFT+U method can reduce these errors, but the parameterization and validation of the correction terms remains an on-going challenge. We develop a systematic methodology to determine the parameters and to statistically assess the results by considering thermochemical data across a set of transition metal compounds. We consider three interconnected levels of correction terms: (1) a constant oxygen binding correction, (2) Hubbard-U correction, and (3) DFT/DFT+U compatibility correction. The parameterization is expressed as a unified optimization problem. We demonstrate this approach for 3d transition metal oxides, considering a target set of binary and ternary oxides. With a total of 37 measured formation enthalpies taken from the literature, the dataset is augmented by the reaction energies of 1,710 unique reactions that were derived from the formation energies by systematic enumeration. To ensure a balanced dataset across the available data, the reactions were grouped by their similarity using clustering and suitably weighted. The parameterization is validated using leave-one-out cross-validation (CV), a standard technique for the validation of statistical models. We apply the methodology to the SCAN density functional. Based on the CV score, the error of binary (ternary) oxide formation energies is reduced by 40% (75%) to 0.10 (0.03) eV/atom. The method and tools demonstrated here can be applied to other classes of materials or to parameterize the corrections to optimize DFT+U performance for other target physical properties.

연구 동기 및 목표

• 3d 전이 금속 산화물에서 강하게 국소화된 d전자로 인한 큰 자기 상호작용 오류를 DFT에서 해결하기 위해.
• 통합 최적화 프레임워크를 사용하여 DFT+U 보정을 체계적으로 파arameter화하기 위해.
• 이중 및 삼중 산화물의 형성 엔탈피 예측 정확도를 향상시키기 위해.
• 클러스터링과 가중 반응 선택을 통해 균형 잡힌 데이터셋 표현을 확보하기 위해.
• 엄격한 유사한 반복 검증을 통한 파arameter화 검증을 위해.

제안 방법

• 이 방법은 DFT+U 파arameter화를 산소 결합 에너지, 허버드-U, DFT/DFT+U 호환성의 세 가지 보정 항목을 통합한 통합 최적화 문제로 수식화한다.
• 37개의 측정된 형성 엔탈피 데이터셋을 사용하고, 산화물 화합물의 체계적 열거를 통해 1,710개의 고유한 반응 에너지를 생성한다.
• 구조 유사성에 따라 반응을 클러스터링하여 데이터셋 전반에 걸쳐 균형 잡힌 표현을 확보한다.
• 클러스터 크기에 따라 각 반응에 가중치를 할당하여 과도하게 표현된 상에 대한 편향을 방지한다.
• 실험적 형성 에너지에서의 편차를 최소화하기 위해 최소 제곱 피팅 절차를 사용하여 파arameter화를 최적화한다.
• 예측 정확도와 일반화 능력을 평가하기 위해 유사한 반복 검증을 통해 검증을 수행한다.

실험 결과

연구 질문

• RQ1 통합적이고 데이터 기반의 접근 방식이 3d 전이 금속 산화물에 대한 DFT+U의 정확도를 향상시킬 수 있는가?
• RQ2 산소 결합, U, 호환성의 병합 보정이 열화학 예측 오차에 어떤 영향을 미치는가?
• RQ3 형성 에너지 오차를 최소화하기 위해 서로 다른 보정 항목 간의 최적 균형은 무엇인가?
• RQ4 클러스터링과 가중 샘플링이 다양한 산화물 상에 걸쳐 모델의 강건성을 향상시킬 수 있는가?
• RQ5 교차 검증이 파arameter화된 SCAN+U 기능의 예측 능력을 어느 정도 검증할 수 있는가?

주요 결과

• 이 방법은 이중 산화물의 형성 에너지 평균 절대 오차를 40% 감소시켜 0.10 eV/atom의 정확도를 달성한다.
• 삼중 산화물의 경우 오차가 75% 감소하여 0.03 eV/atom에 도달하며, 정확도가 크게 향상된다.
• 유사한 반복 검증을 통해 모델의 강건성과 일반화 능력이 확인된다.
• 1,710개의 고유한 반응 에너지 데이터의 포함이 데이터셋 균형과 예측 능력을 향상시킨다.
• 통합 최적화 프레임워크는 다른 물질이나 물리적 성질에 적용 가능한 이식 가능한 파arameter화를 가능하게 한다.