MACE-MP、グラフェン再現できず

このノートブックは材料モデリングの実用的な問いに答えるものだ。高速な機械学習力場はいつ十分で、いつ破綻するのか？Ni(111)上のグラフェンは単純に見えるが、その結合は炭素原子がニッケル表面に対してどこに位置するかに依存し、fcc、hcp、ホロー、ブリッジの4つの配置がある。著者らは参照論文でブリッジが定量化されていなかったため、追加のポイントとして加えたと述べている。

ワークフローは2段階に分かれる。第1段階では機械学習力場MACE-MPを使い、各配置を数分で緩和し、エネルギーと初期構造の概要を得る。第2段階ではLDA汎関数、スピン分極、固定セル緩和、分散補正なしでDFTジョブを実行し、緩和構造と付着仕事を文献値と比較する。重要な発見は、PBEデータで訓練されたMACE-MPがこの界面の文献値を再現できないことだ。化学吸着は数倍過小評価され、距離は短くなる。ノートブックは第1段階をスクリーニングツールと明記し、答えではないとしている。

ここでの争点は高速サロゲートへの信頼だ。多くの金属/2D界面をスクリーニングする研究者にとって、MACE-MPは候補を素早く絞り込めるが、Ni(111)/グラフェンのケースは結論を変えうるほど乖離が大きくなり得ることを示している。結果は、PBE訓練モデルがこの化学系で補正可能かどうか、そして同じ食い違いが他の金属や2D材料でも現れるかどうかにかかっている。ノートブックのテンプレートはそれを検証するために設計されている。