物理信息驱动的基于贝叶斯优化之低能电子衍射自动表面重构

《npj Computational Materials》：Physics-informed automated surface reconstruction via low-energy electron diffraction based on Bayesian optimization

　　

低能电子衍射（LEED）是确定表面原子结构的基石技术，然而对入射电子能量相关的电子衍射强度进行定量分析，即LEED-I(V)分析，仍是一个复杂逆问题。研究人员基于物理信息贝叶斯优化（BO）处理定量LEED-I(V)分析：将多重散射LEED前向模型与用于结构参数剪枝的晶体学对称性直接嵌入信赖域贝叶斯优化循环，同时优化结构与实验参数，自适应调整信赖域以高效探索复杂非凸参数空间，并大幅减少人工干预。以Ag(100)-(1×1)与Fe2O3(1102)-(1×1)表面为例证明方法的鲁棒性与可扩展性。在相同采样数下，该BO流程比随机游走、快速模拟退火和遗传算法基线收敛更快且R因子更低。结果为自动化LEED-I(V)结构重构提供了实用且采样高效的路径。

研究背景方面，表面重构会产生块体材料不具备的催化、电子结构与磁有序等性质，低能电子衍射（LEED）可提供表面周期性与原子级重构的定量信息。LEED-I(V)分析本质是由多重散射导致的高度非线性逆问题：正向模型可由AQuaLEED、EasyLEED、CLEED、ViperLEED等软件实现，但逆向重构仍困难。传统ViperLEED加TensErLEED流程依赖专家手动设参数范围、步长与由粗到细的优化层级，且结构参数与实验参数（如入射角）通常解耦顺序优化；张量LEED虽提速，但高维、多极小R因子景观下全局搜索仍难。既有遗传算法、快速模拟退火、差分进化等全局方法采样成本高，自编码器类数据驱动方法受训练集质量和泛化限制，且偏统计关联、物理可解释性弱。因此，研究人员将定量LEED-I(V)重构表述为物理信息逆问题，用概率推断框架保留全多重散射前向模型并引入晶体学对称性约束。

该论文发表于《npj Computational Materials》。研究人员开展物理信息贝叶斯优化框架研究，将多重散射LEED前向模型与晶体学对称性约束嵌入信赖域BO循环，同时优化原子坐标、表面热振动幅度u_surf与电子束入射角θ等参数；在Ag(100)-(1×1)和Fe₂O₃(1102)-(1×1)体系上验证，并用密度泛函理论（DFT）做能量一致性检查。结论是：该方法仅凭R因子反馈即可从全局探索过渡到局部精炼，在相同评估预算下比随机游走（RW）、快速模拟退火（FSA）、遗传算法（GA）收敛更快、R因子更低；复杂高维表面也可在一次自动化流程中稳定重构，具有重要意义：把专家驱动、启发式调参的LEED-I(V)工作流转为可复现、全自动的逆建模管道，并可推广到其他基于物理前向模型的表征逆问题。

主要关键技术方法包括：信赖域贝叶斯优化（TR-BO），以高斯过程为代理模型、采集函数推荐新参数、R因子作为唯一目标；多重散射LEED前向模型ViperLEED与TensErLEED计算I(V)曲线和Pendry R因子；晶体学对称性分组对独立变量剪枝，如Fe₂O₃(1102)将63个无约束笛卡尔变量降至53个；热振动幅度u_surf与入射角θ同环优化；UMAP降维用于观测采样分布；DFT仅作外部能量验证而不进入优化先验；warm-starting复用历史采样信息。

BO boosted autonomous structure determination of Ag(100)-(1×1) surface：研究人员在Ag(100)-(1×1)上优化13个参数（4个表层Ag原子分数坐标与u_surf），不施加对称性约束。结果显示初始R因子0.2737，经信赖域自适应收缩后收敛到0.0946，与手动多步ViperLEED结果相当；原子主要在x-y平面位移，层间距离几乎不变。高阶束如(4∣1)对结构变化最敏感，R因子下降最明显。与RW、FSA、GA在593步同预算下比较，BO最优R因子0.0946，优于GA的0.1225、RW的0.1408、FSA的0.1514；warm-start后可降到0.0772。

Energetic analysis of reconstructed structures of Ag(100)-(1×1) surface：研究人员用DFT算采样构型总能量，发现早期R因子下降伴随总能量下降，银原子向超胞顶点(0,0)与中心(0.5,0.5)移动增强对称性、降能量。约280步后结构梯度近零、u_surf波动，R因子仍降但DFT能量略升，说明优化重心由结构参数转向非结构参数。低R因子构型集中在窄而近简并的能量盆地：最低R因子Case A与最低能量Case B总能量差仅0.6 meV，结构几乎等价。把u_surf固定为体数值0.069 ?的Case C使R因子升至0.4029，证明表面热振动参数不能由体相值替代，LEED-I(V)需同时优化几何与热振动。

BO boosted autonomous structure determination of Fe₂O₃(1102)-(1×1) surface：该体系53个变量，含20个原子位移、u_surfFe、u_surfO与θ（0°–2°）。优化曾在R因子0.3757处陷入局部最优约80–280步；有效采样半径（effective sampling radius）在约100和170步两度扩张，UMAP显示采样由局部转分散，从而跳出亚稳态。最终R因子0.1977、θ=0.8740°，与ViperLEED结果仅微小偏差，DFT总能量随采样同步降到最低，说明高维强耦合参数也可单流程自动重构。

讨论部分总结：研究人员指出框架不加速底层LEED计算，而是把启发式、顺序精炼转为可复现全自动逆建模；因只需R因子评估而非梯度，结构、热振动与实验几何参数可在同一无导数循环中优化。若放松更多原子，参数会从53增至78、成本上升，但方法通用。DFT能量虽未作为先验，却可外部验证物理合理性；未来可用机器学习原子间势（MLIP）做能量预筛，减少對合理初始模型依赖，并拓展到莫尔超晶格等复杂体系与LEED-I(V)加表面X射线衍射（SXRD）或扫描隧穿显微镜（STM）的多模态量化。

结论部分翻译：研究人员将定量LEED-I(V)结构判定重构为物理约束逆问题，并用嵌入多重散射前向模型与晶体学对称性约束的BO框架实现自动求解。该物理信息自动化LEED-I(V)量化框架在保留散射模拟严谨性的同时，高效探索高维耦合参数空间；相较传统专家驱动流程，仅依赖R因子反馈，无需人工直觉、手动调参与预设精炼层级。在Ag(100)-(1×1)与Fe₂O₃(1102)-(1×1)两类复杂度不同的基准上，方法在统一单流程中稳健重构三维表面结构；基于第一性原理的能量分析为低R因子解提供物理合理性的独立验证。基准比较表明，相同评估预算下BO比随机游走、快速模拟退火与遗传算法收敛更快、R因子更低。除LEED-I(V)外，该框架为前向模型昂贵、参数空间高维的实验表征逆问题提供潜在路线，证明贝叶斯优化是自动化LEED-I(V)结构精炼的实用且采样高效策略。