[论文解读] QH9: A Quantum Hamiltonian Prediction Benchmark for QM9 Molecules

Haiyang Yu, Meng Liu+5 more|arXiv (Cornell University)|Jun 15, 2023

Machine Learning in Materials ScienceMaterials Science被引用 3

一句话总结

本论文提出了 QH9，一个大规模基准数据集，包含 130,831 种稳定分子几何构型和 999 条分子动力学轨迹的精确量子哈密顿矩阵，数据源自 QM9 数据集。该数据集使机器学习模型（尤其是量子张量网络）能够高精度预测哈密顿矩阵，显著减少 DFT 自洽场（SCF）收敛步骤——当使用学习到的初始猜测时，优化步骤最多可减少 39.2%。

ABSTRACT

Supervised machine learning approaches have been increasingly used in accelerating electronic structure prediction as surrogates of first-principle computational methods, such as density functional theory (DFT). While numerous quantum chemistry datasets focus on chemical properties and atomic forces, the ability to achieve accurate and efficient prediction of the Hamiltonian matrix is highly desired, as it is the most important and fundamental physical quantity that determines the quantum states of physical systems and chemical properties. In this work, we generate a new Quantum Hamiltonian dataset, named as QH9, to provide precise Hamiltonian matrices for 999 or 2998 molecular dynamics trajectories and 130,831 stable molecular geometries, based on the QM9 dataset. By designing benchmark tasks with various molecules, we show that current machine learning models have the capacity to predict Hamiltonian matrices for arbitrary molecules. Both the QH9 dataset and the baseline models are provided to the community through an open-source benchmark, which can be highly valuable for developing machine learning methods and accelerating molecular and materials design for scientific and technological applications. Our benchmark is publicly available at https://github.com/divelab/AIRS/tree/main/OpenDFT/QHBench.

研究动机与目标

• 填补当前缺乏大规模、多样化数据集以训练机器学习模型预测分子体系中量子哈密顿矩阵的空白。
• 实现对哈密顿矩阵的高精度、高效率预测，这些矩阵是确定电子结构和化学性质的基础。
• 构建一个全面的基准，用于评估模型在分布内与分布外分子几何构型及分子上的泛化能力。
• 通过使用学习到的哈密顿矩阵作为改进的初始猜测，加速密度泛函理论（DFT）计算。
• 提供 QH9 数据集与基线模型的开源访问，以促进先进量子机器学习方法的发展。

提出的方法

• 使用 DFT（B3LYP/def2SVP）为 130,831 种稳定 QM9 分子几何构型以及 999 条分子动力学轨迹（每条轨迹包含 100 个快照）生成精确的哈密顿矩阵。
• 设计四项独立的基准任务：QH9-stable-id（分布内）、QH9-stable-ood（分布外）、QH9-dynamic-geo（相同分子、不同几何构型）和 QH9-dynamic-mol（不同分子在轨迹中变化）。
• 训练保留旋转对称性的量子张量网络模型（QHNet），通过 Wigner D-矩阵编码旋转对称性，实现逐块矩阵等变性。
• 使用多种指标评估模型性能：最优比（收敛所需步数）、达成比（模型初始猜测与 DFT 初始猜测的步数比）和误差水平比（达到相似平均绝对误差所需的步数比）。
• 使用 PySCF 搭载 DIIS SCF 算法并固定基组，测量使用预测哈密顿矩阵初始化时 DFT 收敛速度的加速效果。
• 通过 GitHub 提供 QH9 数据集与基线模型的开源访问，支持可复现性与社区扩展。

实验结果

研究问题

• RQ1 机器学习模型能否泛化到预测训练分布之外任意分子的哈密顿矩阵？
• RQ2 与标准初始猜测（如 1e 和 minao）相比，学习到的哈密顿矩阵在加速 DFT SCF 收敛方面有多高效？
• RQ3 模型在动态轨迹中不同分子几何构型和不同分子上的表现如何？
• RQ4 等变架构在哈密顿矩阵预测中在多大程度上保持了物理一致性？
• RQ5 预测哈密顿矩阵的质量与下游 DFT 收敛速度和精度的相关性如何？

主要发现

• QH9 基准包含 130,831 种稳定分子几何构型和 999 条分子动力学轨迹，每条轨迹包含 100 个采样构型，显著扩展了现有数据集。
• 在 QH9-dynamic-mol 任务上，QHNet 模型实现最优比 0.392（±0.036），表明使用预测哈密顿矩阵初始化时，DFT 所需步数仅为标准方法的 39.2%。
• 在 QH9-dynamic-geo 任务上，达成比降至 0.512（±0.138），表明模型初始化的 DFT 收敛步数约为标准初始化的一半。
• 在 QH9-dynamic-mol 上，误差水平比达到 0.648（±0.041），意味着模型预测的哈密顿矩阵可在 DFT 步数的 64.8% 内达到相似的精度。
• 在 QH9-stable-ood 上，模型实现最优比 0.392（±0.036），证明其对未见分子几何构型具有强大的泛化能力。
• 使用 QHNet 预测的哈密顿矩阵显著减少了 DFT 收敛所需的 SCF 步数，证实了其物理相关性与在加速 DFT 计算中的实用性。