Прогнозування кристалічної структури з використанням генетичних алгоритмів бібліотеки ASE на мові Python

Автор(и)

  • B. Semeniuk Kyiv Academic University
  • O. Feia Kyiv Academic University, G.V. Kurdyumov Institute for Metal Physics, Nat. Acad. Sci. of Ukraine, Leibniz Institute for Solid State and Materials Research, National University “Kyiv Aviation Istitute”

DOI:

https://doi.org/10.15407/ujpe71.6.554

Ключові слова:

прогнозування кристалiчної структури, генетичний алгоритм, енергетичний ландшафт, полiморфи кристалiчного кремнезему, SiO2, релаксацiя структури, ASE, GULP

Анотація

Робота присвячена розробцi та впровадженню методики прогнозування кристалiчної структури з використанням генетичних алгоритмiв, iнтегрованих у бiблiотеку ASE на мовi Python. Поєднуючи гнучкiсть ASE зi швидкiстю класичних релаксаторiв i точнiстю методiв DFT, наш пiдхiд значно знижує обчислювальнi витрати, водночас зберiгаючи прогностичну надiйнiсть. Методика була перевiрена на полiморфах кремнезему (SiO2), де наша система дала змогу успiшно обчислити як глобальнi, так i локальнi мiнiмуми енергетичного ландшафту. Також дослiджено iнтеграцiю релаксаторiв на основi нейронних мереж, таких як MACE та AIMNet2, для подальшого пришвидшення процесу пошуку. Це дослiдження закладає основу для ефективного, масштабованого й точного прогностичного моделювання кристалiчних матерiалiв.

Посилання

1. D.G. Pettifor. Computer-aided materials design: bridging the gaps between physics, chemistry and engineering. Phys. Ed. 32, 164 (1997).

https://doi.org/10.1088/0031-9120/32/3/015

2. S.G. Louie, Y.H. Chan, F.H. da Jornada, Z. Li, D.Y. Qiu. Discovering and understanding materials through computation. Nat. Mater. 20, 728 (2021).

https://doi.org/10.1038/s41563-021-01015-1

3. T. Xie, J.C. Grossman. Crystal graph convolutional neural networks for an accurate and interpretable prediction of material properties. Phys. Rev. Lett. 120, 145301 (2018).

https://doi.org/10.1103/PhysRevLett.120.145301

4. S. Feng, H. Zhou, H. Dong. Using deep neural network with small dataset to predict material defects. Mater. Des. 162, 300 (2019).

https://doi.org/10.1016/j.matdes.2018.11.060

5. M. Jansen. The energy landscape concept and its implications for synthesis planning. Pure Appl. Chem. 86, 883 (2014).

https://doi.org/10.1515/pac-2014-0212

6. D.J. Wales, J.P. Doye. Global optimization by basin-hopping and the lowest energy structures of Lennard-Jones clusters containing up to 110 atoms. J. Phys. Chem. A 101, 5111 (1997).

https://doi.org/10.1021/jp970984n

7. B. Schaefer, S. Mohr, M. Amsler, S. Goedecker. Minima hopping guided path search: an efficient method for finding complex chemical reaction pathways. J. Chem. Phys. 140, 214102 (2014).

https://doi.org/10.1063/1.4878944

8. A. Barducci, M. Bonomi, M. Parrinello. Metadynamics. Wiley Interdiscip. Rev. Comput. Mol. Sci. 1, 826 (2011).

https://doi.org/10.1002/wcms.31

9. S. Kirkpatrick, C.D. Gelatt Jr, M.P. Vecchi. Optimization by simulated annealing. Science 220, 671 (1983).

https://doi.org/10.1126/science.220.4598.671

10. Y. Wang, J. Lv, L. Zhu, Y. Ma. CALYPSO: A method for crystal structure prediction. Comput. Phys. Commun. 183, 2063 (2012).

https://doi.org/10.1016/j.cpc.2012.05.008

11. Z. Falls, P. Avery, X. Wang, K.P. Hilleke, E. Zurek. The XtalOpt evolutionary algorithm for crystal structure prediction. J. Phys. Chem. C 125, 1601 (2021).

https://doi.org/10.1021/acs.jpcc.0c09531

12. A.H. Larsen, J.J. Mortensen, J. Blomqvist, I.E. Castelli, R. Christensen, M. Dulak, J. Friis, M.N. Groves, B. Hammer, C. Hargus, E.D. Hermes, P.C. Jennings, P.B. Jensen, J. Kermode, J.R. Kitchin et al. The atomic simulation environment-a Python library for working with atoms. J. Phys. Condens. Matter. 29, 273002 (2017).

https://doi.org/10.1088/1361-648X/aa680e

13. J.D. Gale, A.L. Rohl. The general utility lattice program (GULP). Mol. Simul. 29, 291 (2013).

https://doi.org/10.1080/0892702031000104887

14. P. Giannozzi et al. QUANTUM ESPRESSO: a modular and open-source software project for quantum simulations of materials. J. Phys. Condens. Matter. 21, 395502 (2009).

https://doi.org/10.1088/0953-8984/21/39/395502

15. P. Hohenberg, W. Kohn. Inhomogeneous electron gas. Phys. Rev. 136, B864 (1964).

https://doi.org/10.1103/PhysRev.136.B864

16. W. Kohn, L.J. Sham. Self-consistent equations including exchange and correlation effects. Phys. Rev. 140, A1133 (1965).

https://doi.org/10.1103/PhysRev.140.A1133

17. D.M. Deaven, K.M. Ho. Molecular geometry optimization with a genetic algorithm. Phys. Rev. Lett. 75, 288 (1995).

https://doi.org/10.1103/PhysRevLett.75.288

18. S. Lysgaard, D.D. Landis, T. Bligaard, T. Vegge. Genetic algorithm procreation operators for alloy nanoparticle catalysts. Top. Catal. 57, 33 (2014).

https://doi.org/10.1007/s11244-013-0160-9

19. P.B. Jensen, S. Lysgaard, U.J. Quaade, T. Vegge. Designing mixed metal halide ammines for ammonia storage using density functional theory and genetic algorithms. Phys. Chem. Chem. Phys. 16, 19732 (2014).

https://doi.org/10.1039/C4CP03133D

20. M. Van den Bossche, H. Gronbeck, B. Hammer. Tight-binding approximation-enhanced global optimization. J. Chem. Theor. Comput. 14, 2797 (2018).

https://doi.org/10.1021/acs.jctc.8b00039

21. P. Giannozzi et al. Advanced capabilities for materials modelling with Quantum ESPRESSO. J. Phys. Condens. Matter. 29, 465901 (2017).

https://doi.org/10.1088/1361-648X/aa8f79

22. P. Giannozzi et al. Quantum ESPRESSO toward the exascale. J. Chem. Phys. 152, 154105 (2020).

https://doi.org/10.1063/5.0005082

23. J.P. Perdew, K. Burke, M. Ernzerhof. Generalized gradient approximation made simple. Phys. Rev. Lett. 77, 3865 (1996).

https://doi.org/10.1103/PhysRevLett.77.3865

24. P.E. Blochl. Projector augmented-wave method. Phys. Rev. B 50, 17953 (1994).

https://doi.org/10.1103/PhysRevB.50.17953

25. K. Royce, C. Baars, H. Viles. Defining damage and susceptibility, with implications for mineral specimens and objects: introducing the mineral susceptibility database. Stud. Conserv. 68, 298 (2023).

https://doi.org/10.1080/00393630.2021.2015947

26. A. Jain, S.P. Ong, G. Hautier, W. Chen, W.D. Richards, S. Dacek, S. Cholia, D. Gunter, D. Skinner, G. Ceder, K.A. Persson. Commentary: The Materials Project: A materials genome approach to accelerating materials innovation. APL Mater. 1, 011002 (2013).

https://doi.org/10.1063/1.4812323

27. K. Momma, F. Izumi. VESTA 3 for three-dimensional visualization of crystal, volumetric and morphology data. J. Appl. Cryst. 44, 1272 (2011).

https://doi.org/10.1107/S0021889811038970

28. N.E. Zimmermann, A. Jain. Local structure order parameters and site fingerprints for quantification of coordination environment and crystal structure similarity. RSC Adv. 10, 6063 (2020).

https://doi.org/10.1039/C9RA07755C

29. J.S. Smith, O. Isayev, A.E. Roitberg. ANI-1: an extensible neural network potential with DFT accuracy at force field computational cost. Chem. Sci. 8, 3192 (2017).

https://doi.org/10.1039/C6SC05720A

30. I. Batatia, D.P. Kovacs, G. Simm, C. Ortner, G. Csanyi. MACE: Higher order equivariant message passing neural networks for fast and accurate force fields. Adv. Neural Inf. Process 35, 11423 (2022).

https://doi.org/10.52202/068431-0830

31. R. Zubatyuk, J.S. Smith, J. Leszczynski, O. Isayev. Accurate and transferable multitask prediction of chemical properties with an atoms-in-molecules neural network. Sci. Adv. 5, eaav6490 (2019).

https://doi.org/10.1126/sciadv.aav6490

Завантаження

Опубліковано

2026-05-25

Номер

Том 71 № 6 (2026)

Розділ

Структура речовини

Ліцензія

Ліцензійний Договір
на використання Твору
м. Київ, Україна

Відповідальний автор та співавтори (надалі іменовані як Автор(и)) статті, яку він (вони) подають до Українського фізичного журналу, (надалі іменована як Твір) з одного боку та Інститут теоретичної фізики імені М.М. Боголюбова НАН України в особі директора (надалі – Видавець) з іншого боку уклали даний Договір про таке:

1. Предмет договору.
Автор(и) надає(ють) Видавцю безоплатно невиключні права на використання Твору (наукового, технічного або іншого характеру) на умовах, визначених цим Договором.

2. Способи використання Твору.
2.1. Автор(и) надає(ють) Видавцю право на використання Твору таким чином:
2.1.1. Використовувати Твір шляхом його видання в Українському фізичному журналі (далі – Видання) мовою оригіналу та в перекладі на англійську (погоджений Автором(ами) і Видавцем примірник Твору, прийнятого до друку, є невід’ємною частиною Ліцензійного договору).
2.1.2. Переробляти, адаптувати або іншим чином змінювати Твір за погодженням з Автором(ами).
2.1.3. Перекладати Твір у випадку, коли Твір викладений іншою мовою, ніж мова, якою передбачена публікація у Виданні.
2.2. Якщо Автор(и) виявить(лять) бажання використовувати Твір в інший спосіб, як то публікувати перекладену версію Твору (окрім випадку, зазначеного в п. 2.1.3 цього Договору); розміщувати повністю або частково в мережі Інтернет; публікувати Твір в інших, у тому числі іноземних, виданнях; включати Твір як складову частину інших збірників, антологій, енциклопедій тощо, то Автор(и) мають отримати на це письмовий дозвіл від Видавця.

3. Територія використання.
Автор(и) надає(ють) Видавцю право на використання Твору способами, зазначеними у п.п. 2.1.1–2.1.3 цього Договору, на території України, а також право на розповсюдження Твору як невід’ємної складової частини Видання на території України та інших країн шляхом передплати, продажу та безоплатної передачі третій стороні.

4. Строк, на який надаються права.
4.1. Договір є чинним з дати підписання та діє протягом усього часу функціонування Видання.

5. Застереження.
5.1. Автор(и) заявляє(ють), що:
– він/вона є автором (співавтором) Твору;
– авторські права на даний Твір не передані іншій стороні;
– даний Твір не був раніше опублікований і не буде опублікований у будь-якому іншому виданні до публікації його Видавцем (див. також п. 2.2);
– Автор(и) не порушив(ли) права інтелектуальної власності інших осіб. Якщо у Творі наведені матеріали інших осіб за виключенням випадків цитування в обсязі, виправданому науковим, інформаційним або критичним характером Твору, використання таких матеріалів здійснене Автором(ами) з дотриманням норм міжнародного законодавства і законодавства України.

6. Реквізити і підписи сторін.
Видавець: Інститут теоретичної фізики імені М.М. Боголюбова НАН України.
Адреса: м. Київ, вул. Метрологічна 14-б.
Автор: Електронний підпис від імені та за погодження всіх співавторів.

Як цитувати

Прогнозування кристалічної структури з використанням генетичних алгоритмів бібліотеки ASE на мові Python. (2026). Український фізичний журнал, 71(6), 554. https://doi.org/10.15407/ujpe71.6.554