[论文解读] Interpretable discovery of new semiconductors with machine learning

Hitarth Choubisa, Petar Todorović́+6 more|arXiv (Cornell University)|Jan 12, 2021

Machine Learning in Materials Science参考文献 29被引用 5

一句话总结

本文提出 DARWIN，一种可解释的机器学习框架，结合进化算法搜索与基于高通量 DFT 数据训练的深度代理模型，以发现新型半导体。该框架识别出电负性差异是结构稳定性的关键预测因子，并通过实验验证了 K₂CuX₃（X = Cl, Br）为稳定的直接带隙紫外发光材料，展示了数据驱动、可解释的材料发现路径。

ABSTRACT

Machine learning models of materials$^{1-5}$ accelerate discovery compared to ab initio methods: deep learning models now reproduce density functional theory (DFT)-calculated results at one hundred thousandths of the cost of DFT$^{6}$. To provide guidance in experimental materials synthesis, these need to be coupled with an accurate yet effective search algorithm and training data consistent with experimental observations. Here we report an evolutionary algorithm powered search which uses machine-learned surrogate models trained on high-throughput hybrid functional DFT data benchmarked against experimental bandgaps: Deep Adaptive Regressive Weighted Intelligent Network (DARWIN). The strategy enables efficient search over the materials space of ~10$^8$ ternaries and 10$^{11}$ quaternaries$^{7}$ for candidates with target properties. It provides interpretable design rules, such as our finding that the difference in the electronegativity between the halide and B-site cation being a strong predictor of ternary structural stability. As an example, when we seek UV emission, DARWIN predicts K$_2$CuX$_3$ (X = Cl, Br) as a promising materials family, based on its electronegativity difference. We synthesized and found these materials to be stable, direct bandgap UV emitters. The approach also allows knowledge distillation for use by humans.

研究动机与目标

• 通过用高效的机器学习代理模型替代计算成本高昂的从头计算方法，加速新型半导体的发现。
• 通过从模型预测中推导出设计规则，解决黑箱机器学习模型缺乏可解释性的问题。
• 通过确保训练数据与实验观测一致，弥合理论预测与实验合成之间的差距。
• 实现知识蒸馏，使人类研究人员能够理解并应用所发现的设计原理。

提出的方法

• 该方法采用深度学习代理模型——深度自适应回归加权智能网络（DARWIN），基于高通量杂化泛函 DFT 计算数据进行训练。
• 通过与实验带隙对比对 DARWIN 进行基准测试，以确保其预测准确性与实际合成的相关性。
• 利用进化算法在巨大材料空间中高效搜索——约 10⁸ 种三元及 10¹¹ 种四元化合物——以寻找具有目标电子性质的材料。
• 该模型识别出卤素与 B 位阳离子之间的电负性差异作为结构稳定性的强预测因子。
• 通过特征重要性分析和知识蒸馏增强可解释性，实现人类可读的设计规则。
• 该框架与实验验证相结合，所预测的材料被成功合成并表征。

实验结果

研究问题

• RQ1 具备可解释特征的机器学习框架是否能在保持准确性与实验相关性的同时，加速新型半导体的发现？
• RQ2 在复杂氧化物和硫属化物材料中，哪些物理化学描述符可作为结构稳定性的强预测因子？
• RQ3 进化算法如何高效地导航三元与四元半导体的巨大化学空间？
• RQ4 基于 DFT 数据训练的代理模型在多大程度上能预测实验可观测的带隙和材料稳定性？
• RQ5 所发现的设计规则能否被提炼为人类可理解的原则，以指导实验工作？

主要发现

• 卤素与 B 位阳离子之间的电负性差异被确定为三元材料结构稳定性的主导预测因子。
• DARWIN 预测 K₂CuX₃（X = Cl, Br）为稳定的直接带隙半导体，具备紫外发光特性。
• 实验合成的 K₂CuX₃ 材料被证实具有稳定性，并表现出适合紫外发光的直接带隙。
• 通过与实验数据对比基准测试，该模型在预测带隙方面表现出高准确性，确保与实际合成的相关性。
• 该框架成功将搜索空间从约 10¹¹ 种四元化合物缩减为可管理的高潜力候选集合。
• 知识蒸馏使可解释的设计规则得以提取，例如电负性失配在稳定钙钛矿型结构中的作用。