MétaCan
Menu
Retour à la cohorte
Enregistrement W4226065769 · doi:10.1021/acs.jctc.1c00926

Protocol for Directing Nudged Elastic Band Calculations to the Minimum Energy Pathway: Nurturing Errant Calculations Back to Convergence

2022· article· en· W4226065769 sur OpenAlexfundno aff
Andrew W. Ruttinger, Divya Sharma, Paulette Clancy

Notice bibliographique

RevueJournal of Chemical Theory and Computation · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaWhiting School of Engineering, Johns Hopkins UniversityCornell University
Mots-clésConvergence (economics)Computer scienceProtocol (science)Verifiable secret sharingConstant (computer programming)Limit (mathematics)Rule of thumbAlgorithmMathematicsSet (abstract data type)Mathematical analysis

Résumé

récupéré en direct d'OpenAlex

The combination of density functional theory (DFT) and the nudged elastic band (NEB) method offers a practical tool for the discovery of underlying reaction mechanisms related to the synthesis of functional materials. However, in practice, the lack of a standardized protocol for minimum energy pathway determination too often leads to an inefficient and computationally intensive design process. To that end, we define a verifiable DFT+NEB protocol for efficiently locating and confirming the transition state of a reaction. To test this assertion, we curate 226 unique reactions within 14 classes of reactions and investigate their performance in terms of the number of NEB iterations they require to locate the transition state and an estimate of the associated mean absolute error. Leveraging this protocol, we demonstrate its application for an initial set of parameters: number of frames, N frames = 11; maximum step size, S max = 0.04 Å; optimizer = LBFGS; and spring constant, k spr = 0.1 eV/Å 2 . We report a convergence rate of 73% and find that a root-mean-square force ( F RMS ) of 0.01 eV/Å provides a “rule of thumb” below which NEB simulations are likely to converge. Venturing beyond this baseline enquiry, we delineate the effect on performance of altering the number of frames, maximum step size, choice of optimizer and spring constant. We find improvements in performance with increasing N frames and S max, ostensibly approaching some asymptotic limit. We also see substantial improvement in efficiency with the LBFGS optimizer and a clear minimum in performance for the spring constant value of 0.1 eV/Å 2 . Finally, we provide five case studies that demonstrate typical convergence issues for NEB simulations and suggest methods to overcome them. Our results provide specific and transferable recommendations, offering a transparent and practical tool for beginner and expert researchers alike toward a more rational NEB simulation design.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0320,009

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,315
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Theory and ComputationMême sujetMachine Learning in Materials ScienceTravaux en français237 207