通用机器学习原子间势能在元素体系上的基准测试

《npj Computational Materials》：Benchmarking universal machine learning interatomic potentials on elemental systems

　　

通用机器学习原子间势能（universal machine learning interatomic potentials, uMLIPs）的快速涌现已变革了材料建模领域。然而，其在构型空间上的泛化行为仍需全面理解，这仍是一个开放的挑战。在这项工作中，研究人员引入了一种基准测试框架，用于评估包括两个基于MACE的模型、两个基于PET的模型、MatterSim以及一个专门在元素数据上训练的自定义MACE模型在内的最先进uMLIPs的平衡态与远离平衡态性能。研究人员的评估利用状态方程（Equation-of-State, EOS）测试来评估近平衡性质，如平衡体积与体模量，同时结合广泛的最小跳跃（Minima Hopping, MH）结构搜索来探测势能面（Potential Energy Surface, PES）。此处研究人员在元素体系这一普遍性的基本极限内评估普遍性，这作为更广泛的化学泛化所必需的基线，并提供了一个可系统性扩展至多组分材料的框架。研究人员发现，虽然大多数模型在重现过渡金属的均衡体积方面表现出高精度，但在碱金属与碱土金属族以及活性非金属中出现了显著的性能差距。关键的是，MH结果揭示了搜索效率与结构保真度之间的解耦，突显了更平滑的学习得到的PES并不一定产生更准确的能量景观。

该研究发表于《npj Computational Materials》。研究背景方面，准确预测原子间相互作用是理解支配材料行为的结构属性关系的基础。传统的第一性原理方法如密度泛函理论（density functional theory, DFT）虽能提供可靠精度，但计算成本高昂限制了可及的长度与时间尺度。机器学习原子间势能（machine learning interatomic potentials, MLIPs）作为强大替代方案，以较低计算代价复现近DFT精度，使大规模原子模拟与高通量材料筛选成为可能。现代MLIPs框架已从系统特定模型转向通用MLIPs（uMLIPs）这一基础模型，利用图神经网络与等变消息传递架构在广阔化学与结构空间描述材料。然而，确保uMLIPs在真实材料多样原子环境中的可靠性仍是开放挑战，这取决于高质量数据集与严格基准测试的双重支柱。先前基准多聚焦性质预测或特定应用，缺乏对在平衡与远离平衡状态下PES直接探索的严格评估。因此，研究人员开展此项研究，引入沿近平衡EOS测试与全局MH优化双轴评估的基准框架，在元素体系这一简化但基础的设置中隔离普遍性基本方面，识别模型在数据覆盖、架构与训练协议上的失败模式与改进路径。

为开展研究，研究人员采用的主要关键技术方法包括：利用状态方程（EOS）基准任务，通过对称误差定义评估平衡体积V₀与体模量B₀的偏差，采用三阶Birch-Murnaghan EOS拟合提取参数；利用最小跳跃（MH）全局优化基准任务，基于ASE工具包实施MH算法探索体相PES，设定对称性容差与步长，通过恢复分数R、成对排序准确度（pairwise ordering accuracy, POA）与不稳定性指标I量化性能；构建仅含单元系统的自生成平衡数据集（unary dataset），使用AiiDA工作流与CP2K-SIRIUS进行PBE泛函DFT计算，采样周期体块与有限团簇的近平衡与远离平衡构型；选取六种前沿uMLIPs即MACE-Unary、MACE-MATPES、MACE-OMAT、PET-OMat、PET-MAD与MatterSim进行对比，其中MACE-Unary为在平衡单元数据集上训练的自定义诊断参考模型。

研究结果部分保留原文小标题进行说明如下：

EOS结果显示，模型在不同化学族间表现显著变异。对于过渡金属体系，PET-OMat、MACE-OMAT、MatterSim与MACE-MATPES在≤4%误差阈值内一致性最高。第1族碱金属中MatterSim、MACE-OMAT与PET-MAD误差较大，而PET-OMat、MACE-Unary与MACE-MATPES与DFT吻合更好。碱土金属对所有模型均具挑战性，MatterSim与PET-MAD误差最大且常难以复现稳定平衡体积。活性非金属中PET-OMat持续产出低平衡体积误差，其余模型精度中等但不如过渡金属均匀。结构依赖趋势上，简单立方（simple cubic, SC）与金刚石（Diamond, DIA）结构失败率高，反映训练数据中配位环境采样较少及外推需求大；面心立方（face-centered cubic, FCC）与体心立方（body-centered cubic, BCC）被多数模型更高保真度预测，尤其PET-OMat的ΔV₀分布窄。基于OMAT训练的模型在ΔV₀与ΔB₀上表现最一致。PET-OMat相较PET-MAD因更新架构含自适应截断机制（adaptive cutoff mechanism）在大数据间距系统中更准确。MACE-Unary虽数据集小但特定元素精度可比拟大模型，表明数据平衡与相关性与规模同等重要。同数据集下PET-OMat因自适应截断在低密环境优于固定截断的MACE，显示架构选择塑造PES平滑与曲率编码差异。

MH结果显示，MH评估势能分配一致相对能量与力给显著偏离平衡几何的构型，需外推未训练结构 motif 与键合环境。恢复分数R表明MACE-MATPET与MACE-OMAT在选定元素PES探索上相当，MACE-Unary、MatterSim与PET-OMat一致性类似，PET-MAD恢复质量总体最低但对Nb与W达完美R=1.0。POA指标显示所有模型难以忠实复现极小结构能量排序，因当前模型能量分辨率与精度常不足解析复杂PES典型细微能量排序。不稳定性指标I突显PET-MAD计算鲁棒性优，提供更平滑PES实现更高松弛效率与低轨迹失败率，MACE-Unary与PET-OMat紧随其后。以Si为例，所有模型成功识别Fd3ˉm1空间群全局最小（global minimum, GM），但MACE-Unary未能识别DFT层面14 meV/atom之上的六方P6₃/mmc结构，MACE-OMAT能量景观表示可靠性较低。Si的PET模型优化步数分布显著更窄更低，表明更平滑PES促快速收敛。关键结论是PES平滑度与发现极小质量准确度无必然关联，平滑PES提升局部收敛效率但不保证更准确全局能量景观，Te案例中仅PET-OMat成功恢复P3₁21 GM，Mg案例中除PET-MAD外所有模型能恢复多数已知低能极小。搜索效率平滑度与结构保真度准确度是独立性能指标，数值良态模型可能缺乏分辨特定相的物理分辨率，更“崎岖”模型难收敛却可能在复杂结构景观导航中更成功，鲁棒性本身不足以作为全局结构预测中普遍模型预测力的代理。

讨论部分总结：本研究对选定前沿uMLIPs在多样元素体系上提出稳健基准，结合近平衡EOS度量与MH全局结构探索，阐明当前基础模型令人印象深刻的泛化与固有局限。主要发现是不同化学族准确度显著变异，MACE-OMAT、PET-MAD与MatterSim擅长过渡金属EOS预测但在第1族碱金属表现不佳，PET-OMat、MACE-Unary与MACE-MATPES在该域更鲁棒。多数模型虽成功识别许多全局极小但挣扎于POA，突显解析亚稳相细微能量排序的持续困难。MH结果展示搜索效率与结构准确度解耦，更平滑学习PES不固有导致更准确能量景观。uMLIPs质量与准确度极具前景，尤其在无需系统特定参数化下提供跨元素体系统一描述，但仍需发展以确保一致可靠PES甚至对于化学简单系统。结论限于元素体系不应直接预测多组分材料性能，成功单元性能是普遍性必要条件非充分条件。本框架为扩展至多组分体系奠基，未来需明确考量化学混合与电荷重分布的专门评估。

研究结论部分翻译如下：本研究对选定前沿uMLIPs在多样元素体系上提出稳健基准。通过结合近平衡EOS度量与经由MH的全局结构探索，研究人员阐明了当前基础模型令人印象深刻的泛化与其固有局限。结果证明尽管这些模型日益成熟，其性能仍对化学域特定偏倚与预测PES拓扑特征敏感。主要发现之一是在不同化学族间准确度显著变异。虽然MACE-OMAT、PET-MAD与MatterSim在预测过渡金属EOS上出色，其在第1族碱金属表现不佳，该域中PET-OMat、MACE-Unary与MACE-MATPES证明更鲁棒。此外尽管大多数模型成功识别许多全局极小，挣扎于POA，突显解析位于模型固有误差边缘附近的亚稳相细微能量排序的持续困难。另外MH结果展示搜索效率与结构准确度解耦，因更平滑学习PES不固有导致更准确能量景观。研究发现当前uMLIPs质量与准确度极具前景，尤其鉴于其无需系统特定参数化而在多样元素体系提供统一描述的能力。然而仍需进一步发展以确保在甚至化学简单系统上一致可靠PES。虽然uMLIPs为广泛材料探索提供强力基础模型，在复杂结构景观中实现高保真预测仍具挑战。未来进展应聚焦提升这些全局模型用于通用目的的固有准确度与鲁棒性。需注意本研究结论限于元素体系，不应解释为多组分材料性能的直接预测因子。虽然成功单元性能是普遍性必要条件，但不保证化学混合环境中准确度，其中跨元素相互作用引入此处未解决的额外挑战。此处引入的度量与基准框架为未来扩展至多组分体系奠基，类似分析可用于解缠数据、架构与化学复杂性效应。虽本基准确立元素体系普遍性必要基线，将这些结论扩展至多组分材料需明确考量化学混合与电荷重分布的专门评估。