DOI: https://doi.org/10.1039/d5dd00415b
PMID: https://pubmed.ncbi.nlm.nih.gov/41716565
تاريخ النشر: 2026-01-01
المؤلف: Sebastiaan P. Huber وآخرون
الموضوع الرئيسي: تعلم الآلة في علوم المواد
نظرة عامة
تقدم هذه القسم نظرة عامة على قاعدة بيانات المواد السحابية للهيكل ثلاثي الأبعاد (MC3D)، التي تستخدم نظرية الكثافة الوظيفية (DFT) لحساب وتصنيف خصائص الهياكل البلورية غير العضوية. تتضمن قاعدة البيانات ما يقرب من مليون هيكل تم الإبلاغ عنها تجريبياً مأخوذة من قاعدة بيانات البلورات المفتوحة (COD)، وقاعدة بيانات الهياكل البلورية غير العضوية (ICSD)، وقاعدة بيانات مشروع المواد (MPDS). بعد التحليل والتصفية، تقدم 72,589 هيكلاً ستوكيو متفرداً، مع تصنيف 95% منها على أنها معروفة تجريبياً.
تم تحسين هندسة هذه الهياكل، التي تحتوي على ما يصل إلى 64 ذرة، باستخدام DFT من خلال سير العمل الآلي وبروتوكولات الإدخال الموحدة. تتضمن النسخة الأخيرة، MC3D PBEsol-v2، 32,013 هيكلاً متفرداً. جميع إصدارات MC3D متاحة عبر بوابة المواد السحابية، التي تقدم واجهة رسومية لاستكشاف البيانات وتنزيلها. من المهم أن تحافظ قاعدة البيانات على رسم بياني شامل للأصل لجميع الحسابات، مما يضمن إمكانية إعادة الإنتاج والامتثال لممارسات إدارة البيانات الأكثر من FAIR.
مقدمة
تستعرض المقدمة التقدم في اكتشاف المواد الحاسوبية، لا سيما من خلال الأساليب الكمية مثل نظرية الكثافة الوظيفية (DFT). لقد سهلت القدرات الحاسوبية المتزايدة الفحص عالي الإنتاجية للمواد، مما أدى إلى إنشاء أنظمة سير عمل متنوعة وقواعد بيانات متاحة للجمهور تسجل خصائص المواد المحسوبة. كما ساهمت هذه التطورات في دمج تقنيات التعلم الآلي للتنبؤ بخصائص المواد وتحديد مواد جديدة. ومع ذلك، يمكن أن تعيق التناقضات في إعدادات الحوسبة عبر قواعد بيانات مختلفة دقة نماذج التعلم الآلي.
لمعالجة هذه التحديات، يقدم المؤلفون سير عمل آلية تستورد الهياكل البلورية من قواعد بيانات معروفة، مما يؤدي إلى مجموعة مصقولة من 72,589 هيكلاً ستوكيو متفرداً من البلورات غير العضوية. يتم حساب الحالات الأرضية الإلكترونية لهذه الهياكل باستخدام DFT مع كود Quantum ESPRESSO، مع استخدام بروتوكولات توازن الدقة والكفاءة الحاسوبية. تتضمن قاعدة بيانات المواد السحابية للهيكل ثلاثي الأبعاد (MC3D) 32,013 هيكلاً متفرداً تم تحسينه باستخدام الوظيفة PBEsol، وهي متاحة للجمهور من خلال أرشيف المواد السحابية. بالإضافة إلى ذلك، يتم توفير تطبيق ويب وواجهة برمجة تطبيقات متوافقة مع OPTIMADE للوصول السهل إلى البيانات، مما يسهل المزيد من البحث والاستكشاف في علم المواد الحاسوبية.
الطرق
تستعرض قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجاً كميًا، حيث قاموا بتنفيذ تجارب محكومة لجمع البيانات حول المتغيرات المحددة. تم إجراء تحليلات إحصائية باستخدام أدوات البرمجيات لضمان موثوقية وصلاحية النتائج. تضمنت المنهجيات الرئيسية تحليل الانحدار لتقييم العلاقات بين المتغيرات وANOVA لمقارنة متوسطات المجموعات.
بالإضافة إلى ذلك، تضمنت الدراسة حساب حجم العينة لتحديد العدد المناسب من المشاركين اللازمين للحصول على نتائج قوية. تم توحيد طرق جمع البيانات لتقليل التحيز، وتم الالتزام بالاعتبارات الأخلاقية طوال عملية البحث. بشكل عام، تم تصميم الإطار المنهجي لاختبار الفرضيات بدقة وتقديم رؤى واضحة حول الأسئلة البحثية المطروحة.
النتائج
توضح قسم النتائج معالجة 901,210 هيكل بلوري مأخوذ من قواعد بيانات رئيسية (COD، ICSD، وMPDS)، مما أسفر في النهاية عن مجموعة مصقولة من 72,589 هيكلاً ستوكيو متفرداً من البلورات غير العضوية. شملت عملية التصفية الأولية تحليل والتحقق من ملفات معلومات البلورات (CIFs)، مع استبعاد تلك التي تحتوي على بناء جملة غير صالح أو بيانات غير متسقة. أدت الخطوات اللاحقة إلى استبعاد الهياكل غير الستوكيو، والتكرارات، والبلورات الجزيئية التي تحتوي على الهيدروجين، مما أدى إلى عدد نهائي قدره 69,284 هيكلاً غير عضوي معروف تجريبياً. تؤكد هذه النتيجة على الحجم المحدود لمساحة الهياكل البلورية غير العضوية المعروفة، لا سيما بالنسبة للأنظمة المعقدة.
علاوة على ذلك، قامت الدراسة بتحسين مجموعة فرعية من 46,964 هيكلاً باستخدام نظرية الكثافة الوظيفية (DFT)، مع التركيز على تلك التي تحتوي على ما يصل إلى 64 ذرة في وحدة الخلية. حقق سير العمل للتحسين معدل نجاح قدره 85.5%، حيث تم إكمال 33,142 هيكلاً. كانت الأخطاء الأكثر شيوعًا التي تم مواجهتها أثناء التحسين تتعلق بمشاكل التقارب، حيث أكمل أكثر من 67% من سير العمل بنجاح في المحاولة الأولى. يؤكد المؤلفون على التحسينات المستمرة في معالجة الأخطاء وقوة الخوارزميات لتعزيز معدلات النجاح المستقبلية. قاعدة بيانات MC3D الناتجة متاحة للجمهور عبر بوابة المواد السحابية، مما يسمح للمستخدمين باستكشاف الخصائص الهيكلية والبيانات المحسوبة بشكل تفاعلي.
المناقشة
تستعرض قسم المناقشة من ورقة البحث تطوير والتحقق من قاعدة بيانات MC3D، التي تتكون من مجموعة منسقة من الهياكل البلورية التي تم تحسينها باستخدام نظرية الكثافة الوظيفية (DFT). الهدف الرئيسي هو توفير مجموعة موثوقة من الهياكل المعروفة تجريبياً لدراسات الفحص الإضافية، مع الاعتراف أيضًا بوجود هياكل نظرية ضمن مجموعة البيانات. تم تحديد ما مجموعه 2,586 هيكلاً على أنها نظرية، مما يبرز الحاجة إلى الحذر عند تفسير قاعدة البيانات، حيث قد لا يتم التحقق من بعض الهياكل تجريبياً على الرغم من عدم تصنيفها كنظرية.
شملت عملية التحسين 33,142 سير عمل، حيث أظهرت الغالبية العظمى من الهندسات المحسنة تغييراً في الحجم قدره ±5% مقارنة بهياكلها الأولية، مما يشير إلى أن الهندسات المحسنة باستخدام DFT قريبة بشكل معقول من الهياكل التي تم تحديدها تجريبياً. ومع ذلك، يمكن أن تنشأ التغيرات في الحجم من عوامل مثل غياب تصحيحات فان دير فالز في الهياكل الطبقية والتباينات في الظروف التجريبية المبلغ عنها في قواعد البيانات المصدر. تحتوي مجموعة البيانات النهائية على 32,013 هندسة محسنة فريدة، تم مقارنتها مع قواعد بيانات حاسوبية أخرى، مما يكشف عن 3,328 هيكلاً جديداً لم يتم العثور عليه في مشروع المواد أو OQMD. يعزز هذا النهج الشامل، بما في ذلك سير العمل الآلي ومعالجة الأخطاء، موثوقية وقابلية إعادة إنتاج قاعدة بيانات MC3D، مما يجعلها موردًا قيمًا لأبحاث علم المواد وتطبيقات التعلم الآلي واكتشاف المواد.
DOI: https://doi.org/10.1039/d5dd00415b
PMID: https://pubmed.ncbi.nlm.nih.gov/41716565
Publication Date: 2026-01-01
Author(s): Sebastiaan P. Huber et al.
Primary Topic: Machine Learning in Materials Science
Overview
The section provides an overview of the Materials Cloud Three-Dimensional Structure Database (MC3D), which utilizes density-functional theory (DFT) to compute and catalog properties of inorganic crystal structures. The database incorporates nearly one million experimentally reported structures sourced from the Crystallography Open Database (COD), Inorganic Crystal Structure Database (ICSD), and Materials Project Database (MPDS). After parsing and filtering, it presents 72,589 unique stoichiometric structures, with 95% classified as experimentally known.
The geometries of these structures, containing up to 64 atoms, were optimized using DFT through automated workflows and standardized input protocols. The latest iteration, MC3D PBEsol-v2, includes 32,013 unique structures. All versions of the MC3D are accessible via the Materials Cloud portal, which offers a graphical interface for data exploration and download. Importantly, the database maintains a comprehensive provenance graph for all calculations, ensuring reproducibility and adherence to more-than-FAIR data management practices.
Introduction
The introduction outlines the advancements in computational materials discovery, particularly through quantum-mechanical methods such as Density Functional Theory (DFT). The increasing computational capabilities have facilitated high-throughput screening of materials, leading to the establishment of various workflow systems and publicly accessible databases that catalog computed materials properties. These developments have also fostered the integration of machine learning techniques to predict material properties and identify new materials. However, inconsistencies in computational setups across different databases can hinder the accuracy of machine learning models.
To address these challenges, the authors present automated workflows that import crystal structures from established databases, resulting in a refined collection of 72,589 unique bulk stoichiometric inorganic crystal structures. The electronic ground states of these structures are computed using DFT with the Quantum ESPRESSO code, employing protocols that balance precision and computational efficiency. The resulting Materials Cloud Three-Dimensional Structure Database (MC3D) includes 32,013 unique structures optimized with the PBEsol functional and is made publicly available through the Materials Cloud Archive. Additionally, a web application and an OPTIMADE-compliant API are provided for user-friendly access to the data, facilitating further research and exploration in computational materials science.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, implementing controlled experiments to gather data on the specified variables. Statistical analyses were conducted using software tools to ensure the reliability and validity of the results. Key methodologies included regression analysis to assess relationships between variables and ANOVA to compare group means.
Additionally, the study incorporated a sample size calculation to determine the appropriate number of participants needed for robust findings. Data collection methods were standardized to minimize bias, and ethical considerations were adhered to throughout the research process. Overall, the methodological framework was designed to rigorously test the hypotheses and provide clear insights into the research questions posed.
Results
The results section details the processing of 901,210 crystal structures sourced from major databases (COD, ICSD, and MPDS), ultimately yielding a refined collection of 72,589 unique stoichiometric inorganic crystal structures. The initial filtering involved parsing and validating Crystallographic Information Files (CIFs), discarding those with invalid syntax or inconsistent data. Subsequent steps eliminated non-stoichiometric structures, duplicates, and molecular crystals containing hydrogen, leading to a final count of 69,284 experimentally known stoichiometric inorganics. This finding underscores the limited size of the known inorganic crystal structure space, particularly for complex systems.
The study further optimized a subset of 46,964 structures using density functional theory (DFT), focusing on those with up to 64 atoms in the unit cell. The optimization workflow achieved an 85.5% success rate, completing 33,142 structures. The most common errors encountered during the optimization were related to convergence issues, with over 67% of workflows completing successfully on the first attempt. The authors emphasize ongoing improvements to error handling and algorithmic robustness to enhance future success rates. The resulting MC3D database is made publicly accessible via the Materials Cloud portal, allowing users to explore structural properties and computed data interactively.
Discussion
The discussion section of the research paper outlines the development and validation of the MC3D database, which comprises a curated collection of crystal structures optimized using Density Functional Theory (DFT). The primary objective is to provide a reliable set of experimentally known structures for further screening studies, while also acknowledging the presence of theoretical structures within the dataset. A total of 2,586 structures were identified as theoretical, emphasizing the need for caution when interpreting the database, as some structures may not be experimentally verified despite not being flagged as theoretical.
The optimization process involved 33,142 workflows, with a majority of optimized geometries exhibiting a volume change of ±5% compared to their initial structures, suggesting that the DFT-optimized geometries are reasonably close to the experimentally determined structures. However, variations in volume can arise from factors such as the absence of van der Waals corrections in layered structures and discrepancies in experimental conditions reported in the source databases. The final dataset contains 32,013 unique optimized geometries, which were compared against other computational databases, revealing 3,328 novel structures not found in the Materials Project or OQMD. This comprehensive approach, including automated workflows and error handling, enhances the reliability and reproducibility of the MC3D database, making it a valuable resource for materials science research and applications in machine learning and materials discovery.