[论文解读] Reduced collinearity, low-dimensional cluster expansion model for adsorption of halides (Cl, Br) on Cu(100) surface using principal component analysis

Bibek Dash, Suhail Haque+1 more|arXiv (Cornell University)|Jul 21, 2023

Machine Learning in Materials Science被引用 4

一句话总结

本文提出一种基于主成分分析（PCA）的聚类展开模型（CEM），以解决在建模氯化物（Cl、Br）在Cu(100)表面吸附时存在的共线性问题与数据稀缺问题。通过将相关的聚类相互作用转换为互不相关的主成分，该方法仅需8个密度泛函理论（DFT）能量即可实现高精度的CEM构建，得到一个包含10个有效聚类相互作用的低维模型，其热力学行为与实验结果高度一致。

ABSTRACT

The cluster expansion model (CEM) provides a powerful computational framework for rapid estimation of configurational properties in disordered systems. However, the traditional CEM construction procedure is still plagued by two fundamental problems: (i) even when only a handful of site cluster types are included in the model, these clusters can be correlated and therefore they cannot independently predict the material property, and (ii) typically few tens-hundreds of datapoints are required for training the model. To address the first problem of collinearity, we apply the principal component analysis method for constructing a CEM. Such an approach is shown to result in a low-dimensional CEM that can be trained using a small DFT dataset. We use the ab initio thermodynamic modeling of Cl and Br adsorption on Cu(100) surface as an example to demonstrate these concepts. A key result is that a CEM containing 10 effective cluster interactions build with only 8 DFT energies (note, number of training configurations > number of principal components) is found to be accurate and the thermodynamic behavior obtained is consistent with experiments. This paves the way for construction of high-fidelity CEMs with sparse/limited DFT data.

研究动机与目标

• 为解决传统聚类展开模型（CEM）中聚类相互作用之间长期存在的共线性问题，该问题阻碍了材料性质的独立预测。
• 通过利用降维技术，降低训练CEM的数据需求，尤其在仅获得稀疏DFT数据的情况下。
• 开发一种低维CEM，在最小化训练构型数量的同时保持高精度。
• 展示利用基于PCA的特征变换，从有限的DFT数据集中构建高保真度CEM的可行性。
• 通过将模型的热力学预测与Cl和Br在Cu(100)表面吸附的实验数据进行对比，验证模型的预测能力。

提出的方法

• 应用主成分分析（PCA）将相关的聚类相互作用向量转换为一组互不相关的主成分，从而降低共线性。
• 使用主成分作为基函数构建低维聚类展开模型（CEM），而非原始的聚类相互作用。
• 仅使用8个DFT计算的吸附能对CEM进行训练，证明其在少于传统方法所需数据点的情况下仍能成功。
• 根据可解释方差选择主成分数量，确保模型保真度的同时最小化维度。
• 从主成分重构原始聚类相互作用，以解释其对吸附能的物理贡献。
• 通过对比预测的热力学性质（如表面覆盖度、吉布斯自由能）与实验趋势，对模型进行验证。

实验结果

研究问题

• RQ1 PCA能否有效降低聚类展开模型中表面吸附体系的聚类相互作用之间的共线性？
• RQ2 在极小DFT数据集（如8个能量）上训练的CEM，在预测Cu(100)表面卤化物吸附时，其预测精度能保持多高？
• RQ3 基于PCA的CEM是否能重现Cl和Br在Cu(100)表面吸附的实验热力学趋势？
• RQ4 需要多少个主成分才能在最小模型复杂度下捕捉卤化物吸附的本质物理机制？
• RQ5 所得到的低维CEM是否可解释为具有物理意义的聚类相互作用？

主要发现

• 仅使用8个DFT能量构建的包含10个有效聚类相互作用的聚类展开模型，在预测Cl和Br在Cu(100)表面吸附热力学行为方面表现出高精度。
• 基于PCA的方法成功降低了聚类相互作用之间的共线性，即使在训练数据有限的情况下，也实现了稳定且独立的参数估计。
• 模型预测的表面覆盖度和吉布斯自由能趋势与实验观察一致，验证了其预测能力。
• 训练构型数量（8个）超过所用主成分数量，满足可靠模型训练的条件。
• 所得低维CEM表明，即使在DFT数据稀疏的情况下，高保真度建模依然可行，显著降低了计算成本。
• 该方法使在传统方法因数据稀缺或聚类间高度相关而失效的体系中构建精确CEM成为可能。