[论文解读] The Open Catalyst 2022 (OC22) Dataset and Challenges for Oxide Electrocatalysts

Richard Tran, Janice Lan+15 more|arXiv (Cornell University)|Jun 17, 2022

Machine Learning in Materials Science被引用 13

一句话总结

OC22数据集引入了62,331个经过DFT优化的氧化物表面，涵盖多种组成、覆盖度和吸附物，以支持机器学习模型准确预测总能量和受力。通过在OC20和OC22数据的联合数据上微调GemNet-OC等模型，研究实现了能量预测性能约36%的提升，展示了在具有长程相互作用的复杂氧化物电催化剂中更强的泛化能力。

ABSTRACT

The development of machine learning models for electrocatalysts requires a broad set of training data to enable their use across a wide variety of materials. One class of materials that currently lacks sufficient training data is oxides, which are critical for the development of OER catalysts. To address this, we developed the OC22 dataset, consisting of 62,331 DFT relaxations (~9,854,504 single point calculations) across a range of oxide materials, coverages, and adsorbates. We define generalized total energy tasks that enable property prediction beyond adsorption energies; we test baseline performance of several graph neural networks; and we provide pre-defined dataset splits to establish clear benchmarks for future efforts. In the most general task, GemNet-OC sees a ~36% improvement in energy predictions when combining the chemically dissimilar OC20 and OC22 datasets via fine-tuning. Similarly, we achieved a ~19% improvement in total energy predictions on OC20 and a ~9% improvement in force predictions in OC22 when using joint training. We demonstrate the practical utility of a top performing model by capturing literature adsorption energies and important OER scaling relationships. We expect OC22 to provide an important benchmark for models seeking to incorporate intricate long-range electrostatic and magnetic interactions in oxide surfaces. Dataset and baseline models are open sourced, and a public leaderboard is available to encourage continued community developments on the total energy tasks and data.

研究动机与目标

• 为解决针对氧化物电催化剂（特别是析氧反应，OER）的机器学习模型缺乏全面且多样的训练数据的问题。
• 开发一个大规模、开放获取的DFT优化氧化物表面数据集，涵盖不同的组成、表面终止、吸附物覆盖度和缺陷。
• 通过图神经网络在氧化物材料上进行总能量和受力预测，建立标准化基准。
• 通过精确的总能量建模，实现吸附能、表面能和Pourbaix图等热力学性质的预测。
• 通过建模复杂的表面现象（如重构、空位和长程静电效应），加强计算预测与实验催化剂设计之间的联系。

提出的方法

• OC22数据集包含62,331个过渡金属氧化物的DFT优化表面（包括钙钛矿、尖晶石和层状氧化物等）及其吸附物+表面体系。
• 数据集涵盖多样的表面终止、可变的吸附物覆盖度（H、O、OH、O2），并显式建模了氧空位和缺陷。
• 定义了一个广义的总能量预测任务，以支持吸附能、表面能和反应能等热力学量的预测。
• 使用图神经网络（特别是GemNet-OC）在OC20和OC22的联合数据上进行微调，以提升对氧化物特异性电子和结构特征的泛化能力与性能。
• 建立了预定义的训练/验证/测试划分，以确保可复现的基准测试，模型在能量和受力预测任务上均进行评估。
• 数据集以多种格式（ASE轨迹、LMDB）发布，附带基线模型、数据加载器和公开排行榜，以促进社区发展。

实验结果

研究问题

• RQ1 在OC20和OC22数据集上联合训练是否能显著提高氧化物电催化剂总能量预测的准确性？
• RQ2 当在联合数据集上微调时，图神经网络（如GemNet-OC）在化学性质差异较大的氧化物材料上泛化能力如何？
• RQ3 在OC22上训练的机器学习模型在预测已知文献中的吸附能和OER构线关系方面表现如何？
• RQ4 在OC22上训练的预测模型能否准确再现表面能和Pourbaix图等热力学性质？
• RQ5 在数据集中包含表面缺陷和可变覆盖度对氧化物表面机器学习模型的性能和泛化能力有何影响？

主要发现

• 在OC20和OC22联合数据上微调GemNet-OC模型，在OC22测试集上实现了约36%的总能量预测精度提升。
• 联合训练在OC20数据集上使总能量预测性能提升约19%，在OC22数据集上使受力预测性能提升约9%。
• 表现最佳的模型成功复现了已知的文献吸附能，并再现了关键的OER构线关系，验证了其物理一致性。
• 该数据集使表面能的准确预测成为可能，可用于构建相图和Wulff形状，以进行热力学稳定性分析。
• 数据集中包含的氧空位和可变覆盖度显著增强了模型在研究Mars-van Krevelen机理和缺陷介导催化方面的能力。
• 开源的数据集、基线模型和公开排行榜有望加速开发适用于氧化物电催化剂的可泛化机器学习模型。