内容の概要:化学システムと外部場の間の相互作用を分析する従来の方法の使用には、効率が低く、コストが高いという欠点があります。中国科学技術大学の Jiang Bin の研究グループは、原子環境の記述に場の相関特徴を導入し、FIREANN を開発し、機械学習を使用してシステムの場の相関を適切に記述しました。

キーワード:化学物理学 分子動力学 外部分野

著者 | 雪才

編集者 | 李宝珠

化学システムと外部場との相互作用は、物理的、化学的、生物学的プロセスにおいて重要です。。外部場、主に電場は、原子、分子、凝縮物質と相互作用し、電子やスピンの分極を引き起こしたり、系の空間方向を変化させたりする可能性があります。

密度汎関数理論 (DFT) と非経験分子動力学 (AIMD) は、電場が適用された状態で複雑な周期系および非周期系を研究するために使用されてきました。しかし、AIMD の適用は非常に要求が厳しいものです。、核量子効果 (NQE) が重要なシステムで使用するのは特に困難です。

経験的な力場解析は効率的ですが精度が限られており、正確な場依存量子散乱計算は非常に小規模なシステムでのみ利用できます。。

同時に、機械学習 (ML) は、高次元の化学問題の解決において目覚ましい成果を上げています。ただし、ほとんどの機械学習モデルは、システムの場の依存性を無視して、位置エネルギーと電場に対するシステムの応答を別々に扱います。

この目的を達成するために、中国科学技術大学の Jiang Bin の研究グループは、原子環境の記述にフィールド関連の機能を導入し、フィールド誘起再帰的原子埋め込みニューラル ネットワーク (FIREANN) を開発しました。。 FIREANN は、外部磁場の強度と方向が変化したときのシステム エネルギーの変化傾向を正確に記述するだけでなく、あらゆる次数のシステム応答を予測することもできます。この成果は『Nature Communication』に掲載されました。

この成果は『Nature Communication』に掲載されました

論文リンク:

https://www.nature.com/articles/s41467-023-42148-y

FIREANN モデルリンク:

https://github.com/zhangylch/FIREANN

公式アカウントをフォローし、バックグラウンドで「Interaction」と返信すると論文全文のPDFが入手できます

FIREANN: REANN + 擬似原子場ベクトル

FIREANN の基礎は、埋め込まれた原子密度 (EAD) を通じて原子環境を記述する REANN モデルです。外部場が適用されると、電子密度が再分布され、系の回転不変性が破壊されます。。システムと外部場との間の相互作用は、明らかに、電場の強さと方向によって影響を受けます。

ファイアアンのアーキテクチャ

FIREANN は、実際の原子の動作をシミュレートする擬似原子フィールド ベクトルを各原子に割り当てます。、その後 2 つを組み合わせて場に関連する埋め込み原子密度を取得します。これはニューラル ネットワークの入力として使用され、最終的に原子間力、双極子モーメント、分極率などの物理量を出力します。

各原子の擬似原子場ベクトルは次のように表現できます。 

続いて、場依存軌道とガウス軌道 (GTO) を場誘起 EAD (FI-EAD) ベクトルに結合します。: 

ここで、各原子に適用される場は、その原子に対する擬似原子の位置ベクトルによって表されます。 FI-EAD は、原子間距離と閉角に関して書き直すことができます。

実験による検証

おもちゃのモデル: 水分子の正確な予測と外挿

研究者らはまず、システムと外部場の相互作用に関する FIREANN の予測を検証するために、おもちゃのモデル (Toy System) として水分子を使用しました。。 yz 平面上に水分子があり、x 方向に 0.1 V/Å の強さの電場が存在します。

外場と分子平面は常に直交しているため、分子の位置エネルギーは変化しません。 FIREANN はこの結果を正確に予測しました。

同時に、FIREANN は、分子が y 軸に沿って回転するときの双極子と電場の相互作用を正確に予測します。。 

yz 表面上の水分子に対する外部電場の影響に関する FIREANN の予測

a: 水の分子は x 軸に沿って回転します。

b: 水の分子は y 軸に沿って回転します。

c: 電界強度が変化した場合のDFT、FIREANN、FieldSchNetの予測結果。

FIREANN には強力な外挿機能もあります、単一のトレーニング データのみを使用して、電場強度が -0.2 ～ 0.2 V/Å の場合の分子位置エネルギーの変化が推定されました。これは、従来の FieldSchNet モデルでは実行できないことです。 

NMA:IRスペクトルの正確な予測

FIREANNの代表的な特徴は、外部場の有無にかかわらず、化学システムのエネルギーと応答特性をワンステップで予測できます。。

研究者らはそれをN-メチルアセトアミド(NMA)でテストした。外部電場が 0.0 ～ 0.4 V/Å の間で変化する場合、FIREANN は NMA 分子のエネルギー、双極子モーメント、分極率を効果的に予測できます。二乗平均平方根誤差 (RMSE) はそれぞれ 0.0053 eV、0.028 デバイ、0.51 au です。 。

FIREANN と DFT による NMA の予測エネルギー (a)、双極子モーメント (b)、分極率 (c) の相関プロット

FIREANN は、フィールド内の分子スペクトルの予測も行いました。 CO 伸縮バンドの変化は、電界強度が 0.0 V/Å から 0.1 V/Å 刻みで 0.4 V/Å まで徐々に増加するときに最も顕著になります。電場強度が増加すると、CO 伸縮バンドの P/R 分岐が徐々に消失し、吸収ピークが鋭くなります。

さらに、FIREANN は、外部電場が化学結合の強度を低下させ、CO の伸縮振動を赤方偏移させ、その距離は電場の強さに比例すると予測しています。 

300 Kでの異なる強度の電場下でのNMAのFIREANN予測結果

液体: 一貫性の高い周期システム

外部電場に対する周期系の応答を予測する FIREANN モデルの能力を検証するために、研究者らは液体の水中でテストを実施しました。。分子系とは異なり、周期系の分極強度 (単位体積あたりの双極子モーメント) は多値量であるため、複数の平行な分岐が存在し、双極子モーメントが突然変化します。

AIMD の予測では、外部電場が印加された後、双極子モーメントの突然変異によって引き起こされる結果の不連続性が明確に確認できます。これは、従来の機械学習アルゴリズムに課題をもたらします。

場なし (a) および場あり (b) の液体水の双極子モーメントの AIMD、修正 AIMD および FIREANN 解析

FIREANN フレームワークでは、モデルは電場の存在下で原子間力についてのみトレーニングされるため、システムのエネルギー勾配は実際には影響を受けず、この問題は簡単に回避できます。

この目的を達成するために、研究者らは、原子間力を唯一の予測対象とし、64 個の水分子と x 方向の電場強度 0.6 V/Å を含む、FIREANN-wF と呼ばれるモデルを構築しました。モデルによる原子間力の予測は実験と非常に一致しており、二乗平均平方根誤差はわずか 39.4 meV/Å です。。

FIREANN-wF による液体水の無磁場動径分布関数 (RDF) の予測も、DFT および実験結果と一致しています。

FIREANN による OO (a)、OH (b)、HH (c) の動径分布関数の予測と実験結果との比較

双極子モーメントは、IR スペクトルに重要な影響を与えます。 FIREANN-wF モデルは核量子効果を解析するため、DFT の結果と一致して、ポテンシャル エネルギー面 (PES) と双極子モーメント面を正確に予測できます。。

続いて、FIREANN-wF を使用して、0.4 V/Å を追加した後の IR スペクトルを予測しました。電場は OH 結合の強度を低下させ、水分子が電場と平行に方向を変えるよう誘導するため、スペクトルの OH 伸縮バンドは明らかなレッド シフトを示します。 

FIREANN のフィールドなし (a) およびフィールドあり (b) の液体水のスペクトル予測と実験結果との比較

REANNを比較する: 外挿能力と高速トレーニング

FIREANN-wFと似た学習方法のモデルは以前にもありましたが、外部場の処理方法が全く異なります。結果として、これらのモデルは高次の相互作用を予測できません。。

FIREANN では、場に関連した原子軌道を導入した後、モデルは軌道間の相互作用を通じて外部場に対する電子密度の応答を捉えることができます。。

水分子における FIREANN と FieldSchNet の違いは以前に比較されましたが、この違いは周期系にも依然として存在します。

研究者らは、水分子と x 方向の電場を使用するテスト システムを確立しました。 FIREANN と FieldSchNet の予測二乗平均平方根誤差は、それぞれ 54.5 meV/Å と 245.4 meV/Å です。前回の結果と同様に、FIREANN は予測を ±2 V/Å まで外挿できますが、FieldSchNet にはこの機能がありません。

電場が変化したときの液体水システムのエネルギーに関する DFT、FIREANN、および FieldSchNet の外挿結果

トレーニング時間に関しては、80 GB のビデオ メモリを 1 つ搭載した A100 では、 FieldSchNet のシングル エポックは 7.6 分ですが、FIREANN の所要時間はわずか 2.4 分です。。

分子場相互作用: 顕微鏡システムの遠隔制御

化学システムと外部場の間の相互作用は、人々に顕微鏡システムを研究するための窓を提供し、顕微鏡システムを操作するための強力なツールを提供します。。外部電場を制御することで、物質の化学構造を変化させ、電子伝達を促進し、物質の相転移や生体分子の構造変化を制御し、触媒の選択性を調整し、さらには低温化学反応の量子力学に影響を与えることができます。

走査型トンネル顕微鏡の先端と金属表面との間に電場を印加すると、金属表面上のアゾベンゼン誘導体を可逆的にトランス-シス異性化することができます。

金(111)表面アゾベンゼンのトランス-シス異性化

同様に、電場の向きを変えると、分子の混合パターンをナノメートルスケールで変えることができます。

異なる電圧での 1,3,5-トリス(4-カルボキシフェニル)ベンゼンとトリモケイ酸の混合モード

分子と外場の相互作用は、顕微鏡システムの遠隔制御であると言えます。。この相互作用を理解することは、ミクロスケールでの科学研究にとって非常に重要です。 FIREANN は、周期系および非周期系と外部場との間の相互作用を正確に分析し、あらゆる次数のシステム応答を予測することができ、顕微鏡研究に新しい方法を提供します。。

参考リンク:

[1]https://pubs.acs.org/doi/full/10.1021/ja065449s 

[2]https://pubs.acs.org/doi/full/10.1021/acsnano.7b04610

- 以上 -