Open Catalyst 2020 (OC20) Dataset and Community Challenges

Motivation

• Known: 기존 촉매 데이터셋은 O(100)에서 O(100,000) 규모로 증가해왔으나, 여전히 이질적 촉매 모델링에 필요한 원소 조성과 흡착물 다양성을 충분히 포함하지 못했다.
• Gap: 기존 촉매 데이터셋은 규모가 작고 다양성이 제한적이어서 모델의 일반화 능력이 부족하며, 다양한 표면, 흡착물, 원소 조성에 걸쳐 훈련된 대규모 데이터의 필요성이 미충족되었다.
• Why: 재생에너지 연료 합성, 에너지 저장, 비료 생산 등 에너지 문제 해결을 위한 촉매 개발의 속도를 높이기 위해 DFT 계산을 가속화할 수 있는 효율적인 ML 모델 개발이 필수적이다.
• Approach: 55개 원소 조합의 다양한 표면과 82개의 흡착물에 대해 1.2백만 개 이상의 DFT 완화 계산을 수행하고, 이를 기반으로 Structure to Energy and Forces (S2EF), Initial Structure to Relaxed Structure (IS2RS), Initial Structure to Relaxed Energy (IS2RE) 세 가지 과제를 정의했다.

Achievement

Figure 2: The adsorbates used to generate the Open Catalyst Dataset contain oxygen, hydrogen, C1,

• 대규모 데이터셋: 1,281,040개의 DFT 완화 계산(약 264,890,000개 단일점 평가)을 포함하는 OC20 데이터셋 구축
• 다양한 화학 공간: 질소, 탄소, 산소 화학을 포함한 광범위한 표면, 흡착물, 원소 조성 커버
• 보조 데이터: 완화 궤적, Bader 전하, LOBSTER 궤도 정보, 고온 분자동역학 궤적, 무작위 교란 구조 포함
• 세 가지 핵심 과제: S2EF, IS2RS, IS2RE 과제와 일반화 시나리오별 train/validation/test 분할 제공
• 기준 모델: CGCNN, SchNet, DimeNet++ 세 가지 graph neural network 기준 모델 제시
• 오픈 리소스: 데이터셋, 기준 모델, 공개 리더보드, 오픈 소프트웨어 저장소(opencatalystproject.org) 제공

How

• Materials Project에서 안정적인 재료의 무작위 표본화된 저지수 Miller 지수 표면 선택
• 각 표면-흡착물 조합에 대해 DFT를 사용한 구조 완화 수행 및 에너지·힘 계산
• 완화 궤적 및 전자 구조 분석(Bader 전하, LOBSTER) 포함
• 무작위 교란 구조에 대한 단일점 DFT 계산 수행
• 선택된 완화 상태에서 단기 고온 ab initio MD 궤적 계산
• 이전에 보지 못한 흡착물, 미보유 결정 구조, 또는 둘 다에 해당하는 일반화 시나리오로 데이터 분할
• CGCNN, SchNet, DimeNet++을 기준 모델로 각 과제에 적용 및 성능 평가

Originality

• 촉매 모델링 분야에서 전례 없는 규모(1.2백만+)의 체계적 DFT 데이터셋 구축
• 55개 원소와 82개 흡착물을 포함한 광범위한 화학 공간 커버로 기존 데이터셋의 한계 극복
• 완화 궤적, 전자 구조 정보, MD 궤적 등 보조 데이터 통합으로 풍부한 학습 신호 제공
• 도메인 전문가가 정의한 현실적 일반화 시나리오(unseen adsorbate/structure/both)를 반영한 train/test 분할 설계
• 오픈 커뮤니티 경쟁 플랫폼을 통해 재현성과 협력 연구 촉진

Limitation & Further Study

• 단일 흡착물을 이상화된 구조에 배치한 단순화된 모델로, 실제 촉매는 반응 조건, 용매화, 반응 속도론 등의 복잡성을 포함
• 저-Miller 지수 표면만 고려하여 표면 결함, 결정 입계 등 현실적 표면 특성 누락
• 기존 Materials Project 재료에 기반하여 새로운 예측 불가능한 재료에 대한 외삽 능력 제한
• DFT 자체의 근사(교환-상관 함수) 제한으로 인한 고유 오차 전파
• 후속 연구는 다중 흡착물 상호작용, 반응 경로, 실험 검증 통합이 필요

Evaluation

총평: OC20 데이터셋은 촉매 발견을 가속화하기 위한 대규모 오픈 자원으로서 기존 촉매 ML 연구의 주요 한계를 해결하며, 명확하게 정의된 과제와 기준 모델을 통해 커뮤니티 기반 연구를 촉진하는 중요한 기여이다.