[논문 리뷰] High-throughput ab initio reaction mechanism exploration in the cloud with automated multi-reference validation

Jan P. Unsleber, Hongbin Liu외 11명|arXiv (Cornell University)|2022. 11. 27.

Machine Learning in Materials Science인용 수 7

한 줄 요약

이 논문은 DFT, 쌍극성 집합론(CCS), 그리고 $Z_{s(1)}$와 같은 진단을 통한 자동 다전자 상태 검증을 통합하여 고속의 ab initio 반응 메커니즘 탐색을 위한 자동화된 클라우드 기반 워크플로우인 AutoRXN을 제시한다. 이는 내장된 오류 검사 기능을 갖춘 완전 자율적이고 확장 가능한 반응 네트워크 스크리닝을 가능하게 하며, 단일 기초 상태 특성을 가진 모든 핵심 구조에서 확인된 동질 촉매 시스템에 대해 검증되었다.

ABSTRACT

Quantum chemical calculations on atomistic systems have evolved into a standard approach to study molecular matter. These calculations often involve a significant amount of manual input and expertise although most of this effort could be automated, which would alleviate the need for expertise in software and hardware accessibility. Here, we present the AutoRXN workflow, an automated workflow for exploratory high-throughput lectronic structure calculations of molecular systems, in which (i) density functional theory methods are exploited to deliver minimum and transition-state structures and corresponding energies and properties, (ii) coupled cluster calculations are then launched for optimized structures to provide more accurate energy and property estimates, and (iii) multi-reference diagnostics are evaluated to back check the coupled cluster results and subject hem to automated multi-configurational calculations for potential multi-configurational cases. All calculations are carried out in a cloud environment and support massive computational campaigns. Key features of all omponents of the AutoRXN workflow are autonomy, stability, and minimum operator interference. We highlight the AutoRXN workflow at the example of an autonomous reaction mechanism exploration of the mode of action of a homogeneous catalyst for the asymmetric reduction of ketones.

연구 동기 및 목표

• 반응 메커니즘 탐색을 위한 고속의 양자 화학 계산에서의 자동화 부족, 특히 다전자 상태 특성의 식별 및 검증 부족 문제를 해결하기 위해.
• 클라우드 환경에서 DFT, 쌍극성 집합론, 다전자 상태 계산을 자율적으로 실행함으로써 전문가 간섭을 최소화하기 위해.
• 높은 정확도와 신뢰성으로 복잡한 반응 네트워크를 탐색하기 위한 확장 가능하고 안정적이며 최소한의 운영자 간섭 워크플로우를 제공하기 위해.
• 내장된 단일 및 다전자 상태 특성 검증 기능을 갖춘 완전 자율적이고 대규모 ab initio 스크리닝의 가능성을 입증하기 위해.
• 오픈소스 소프트웨어를 활용한 접근 가능한 클라우드 인프라를 통해 비전문가가 고속 전자 구조 계산을 수행할 수 있도록 하기 위해.

제안 방법

• AutoRXN 워크플로우는 Microsoft Azure의 Azure 가상 머신과 HPC 워크로드를 위한 CycleCloud를 사용하여 클라우드 환경에 배포되었다.
• 자동 반응 네트워크 탐색을 위한 SCINE Chemoton과 DFT 기반 기하 구조 최적화 및 성능 예측을 위한 Serenity이 통합되었다.
• AiiDA 기반 워크플로우가 고속의 쌍극성 집합론 단일점 계산(CCSD(T))를 조율하여 DFT 결과의 반응 장벽과 에너지를 정밀하게 보정하였다.
• T1 및 오비탈 엔트로피 기반 $Z_{s(1)}$와 같은 다전자 상태 진단이 계산되어 다전자 상태 특성을 탐지하였다.
• 만약 $Z_{s(1)} > 0.14$일 경우, autoCAS 알고리즘이 자동으로 활성 공간 선택 및 CASPT2 계산을 실행하여 검증을 수행하였다.
• 자동 오비탈 매칭 절차를 통해 단일 및 다전자 상태 혼합 케이스 간의 활성 공간 정의 일관성을 확보하였다.

실험 결과

연구 질문

• RQ1 완전 자율적이고 클라우드 네이티브 워크플로우가 최소한의 인간 간섭으로 대규모 복잡한 반응 메커니즘을 신뢰성 있게 탐색할 수 있는가?
• RQ2 자동 다전자 상태 진단(예: $Z_{s(1)}$)이 고속 스크리닝에서 다전자 처리가 필요한 케이스를 얼마나 효과적으로 식별할 수 있는가?
• RQ3 쌍극성 집합론과 다전자 상태 계산이 고속 워크플로우에 자동으로 통합되고 원활하게 통합될 수 있는가?
• RQ4 기초 DFT 참조가 부적절할 수 있는 상황에서 단일 기초 상태 쌍극성 집합론 결과를 얼마나 신뢰할 수 있는가?
• RQ5 이러한 워크플로우는 실제 촉매 시스템에 적용되어 이전에 탐색되지 않은 반응 경로를 밝혀낼 수 있는가?

주요 결과

• AutoRXN 워크플로우는 완전 자동화된 방식으로 동질 촉매의 반응 네트워크를 대규모로 스크리닝하며, DFT, CCSD(T), 다전자 상태 검증 단계를 모두 자동으로 처리하였다.
• 모든 고T1 값의 구조에서 $Z_{s(1)}$ 값이 0.14 이하로 나타나 다전자 상태 특성이 없음을 시사하였으며, 이는 시스템이 단일 기초 상태임을 검증하였다.
• T1 진단이 잠재적 문제를 시사했음에도 불구하고, $Z_{s(1)}$ 기반 진단이 정확히 단일 기초 상태로 식별하여 이 경우에서 T1보다 우월함을 입증하였다.
• autoCAS 알고리즘이 자동으로 활성 공간 선택 및 CASPT2 계산을 수행하여 모든 핵심 구조의 단일 기초 상태 특성을 확인하였다.
• 수천 개의 구조를 대상으로 최소한의 운영자 입력으로 일관되고 신뢰할 수 있는 결과를 도출하여 클라우드 환경에서의 확장성과 강건성을 입증하였다.
• 진단 및 검증을 포함한 전체 파이프라인은 초기 설정 이후 수동 간섭 없이 완전 자동으로 작동하였다.