Scalable long-range machine learning interatomic potentials with electrical response for atomistic material modeling
تقدم هذه الورقة البحثية DPA4C-LR، وهو إطار عمل لإمكانات الذرات المعتمدة على التعلم الآلي وقابل للتوسع، يقوم بفصل الكهروسكونية بعيدة المدى تحليلياً عن مشتقات الشحنة الكامنة المحلية لتمكين عمليات المحاكاة الذرية الموزعة والفعالة للاستجابات الكهربائية وخصائص المواد المعتمدة على المجال عبر ملايين الذرات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
لطالما واجه علم المواد انقساماً جوهرياً؛ فمن ناحية، تبرز قوانين ميكانيكا الكم، التي يمكنها التنبؤ بكيفية سلوك الذرات الفردية بدقة متناهية ولكنها بطيئة جداً بحيث لا تستطيع محاكاة أكثر من بضعة آلاف من الذرات في المرة الواحدة. ومن ناحية أخرى، تبرز عمليات المحاكاة الضخمة اللازمة لفهم الأجهزة الواقعية، مثل البطاريات أو الرقائق الحاسوبية، والتي تحتوي على ملايين أو مليارات الذرات، ولكنها غالباً ما تعتمد على قواعد مبسطة تغفل التفاصيل الدقيقة لكيفية تفاعل الذرات فعلياً. لقد كانت الحلقة المفقودة هي إيجاد وسيلة لمحاكاة مجموعات ضخمة من الذرات بدقة فيزياء الكم، خاصة عندما تتعرض تلك الذرات لمجالات كهربائية. في العالم الحقيقي، تدفع الكهرباء الأيونات للحركة، وتغير حالة المواد بين حالات مختلفة، وتولد حرارة على المستوى المجهري. ولتصميم أجهزة أفضل، يحتاج العلماء إلى رؤية هذه العمليات وهي تتكشف عبر مسافات شاسعة، لكن الرياضيات المطلوبة لتتبع القوى الكهربائية غير المرئية بين كل ذرة على حدة تجعل مثل هذه المحاكاة الكبيرة مستحيلة عادةً.
لقد نجح فريق من الباحثين في الجامعة الوطنية في سنغافورة في سد هذه الفجوة من خلال إنشاء إطار حوسبي جديد يسمح لهم بمحاكاة ملايين الذرات بدقة عالية مع مراعاة التأثيرات الكهربائية بعيدة المدى. ويقدم عملهم، الذي نُشر مؤخراً، طريقة تسمى DPA4C-LR. يجمع هذا النظام بين نموذج محلي عالي الكفاءة يتنبأ بكيفية دفع وجذب الذرات لجيرانها المباشرين، وبين حساب عالمي منفصل يتعامل مع القوى الكهربائية بعيدة المدى. ومن خلال تقسيم المشكلة بهذه الطريقة، تجنب الباحثون العائق الحوسبي الذي عادة ما يمنع العلماء من محاكاة الأنظمة الكبيرة تحت تأثير المجالات الكهربائية. وقد أثبتوا أن نهجهم يمكنه العمل باستخدام أربعة معالجات رسومية قوية فقط لنمذجة نظام يحتوي على 5.2 مليون ذرة، وهو مقياس كان بعيد المنال سابقاً لهذا المستوى من التفصيل.
كان التحدي الجوهري الذي حله الفريق هو كيفية تضمين الاستجابة الكهربائية دون إبطاء العملية برمتها. ففي العديد من المواد، يعتمد أسلوب استجابة الذرات للمجال الكهربائي على السلوك الجماعي للنظام بأكره، وليس فقط على الذرات القريبة. وتتطلب الطرق التقليدية التي تحاول حساب هذه التأثيرات العالمية لكل خطوة من خطوات المحاكاة الاحتفاظ بجميع البيانات في مكان واحد، مما يمنع توزيع العمل عبر أجهزة كمبيوتر متعددة. ويتجاوز الأسلوب الجديد هذا الأمر من خلال التعامل مع القوى الكهربائية بعيدة المدى كخطوة منفصلة يمكن حلها بكفاءة باستخدام تقنيات رياضية راسخة، بينما يتم التعامل مع التفاعلات المحلية المعقدة بواسطة نموذج تعلم آلي يمكن توزيعه عبر معالجات عديدة في وقت واحد. وهذا يسمح للمحاكاة بالتوسع لتشمل ملايين الذرات دون فقدان القدرة على التنبؤ بكيفية تفاعل المادة مع التيار أو المجال الكهربائي.
ولإثبات نجاح نظامهم، اختبر الباحثون منهجيتهم على ثلاث مواد مختلفة تماماً، تتطلب كل منها عدداً كبيراً من الذرات للكشف عن الحقيقة. أولاً، نظروا في الماء السائل؛ فجزيئات الماء قطبية، مما يعني أن لها طرفاً موجباً وطرفاً سالباً، وهي تعيد توجيه نفسها باستمرار استجابةً للمجالات الكهربائية. قام الفريق بمحاكاة كتلة ضخمة من الماء وطبقوا مجالات كهربائية بقوى متفاوتة. نجح نموذجهم في التنبؤ بكيفية تغير طيف الأشعة تحت الحمراء للماء — وهو البصمة الفريدة لكيفية امتصاصه للضوض — مع تغير المجال. وأكد هذا أن النظام يمكنه استنتاج كيفية حركة الذرات واستجابتها للكهرباء بدقة، رغم أنه تم تدريبه فقط على بيانات الطاقة والقوة الأساسية، دون أن يُلقن صراحةً أي شيء عن المجالات الكهربائية.
بعد ذلك، تناول الفريق مادة سيراميكية معقدة تُعرف باسم "الفيروكهربائية المسترخية" (relaxor ferroelectric)، وتحديداً مادة "نيوبات مغنيسيوم رصاص"، وهي مواد مشهورة بقدرتها على تغيير الاستقطاب، وهي خاصية تُستخدم في المستشعرات والمحركات، لكن سلوكها صعب المحاكاة للغاية لأنه يعتمد على مناطق ذرية صغيرة وغير منظمة لا تظهر إلا في العينات الكبيرة جداً. عندما قام الباحثون بمحاكاة قطع صغيرة من هذه المادة، بدت النتائج وكأنها بلورة قياسية منتظمة. ومع ذلك، عندما رفعوا النطاق إلى محاكاة تحتوي على ما يقرب من 30,000 ذرة، تغيرت الصورة تماماً؛ حيث كشفت المحاكاة الأكبر عن "حلقة تخلف" (hysteresis loop) "نحيفة"، وهي علامة محددة لقدرة المادة على تغيير حالتها دون أن تتعثر، وهي السمة المميزة للمواد المسترخية. أظهرت هذه النتيجة أن الحجم المحدود للمحاكاة السابقة كان يخفي الطبيعة الحقيقية للمادة، وأنه من خلال الوصول فقط إلى مقياس ملايين الذرات يمكن ملاحظة السلوك الصحيح.
أخيراً، طبق الباحثون طريقتهم على إلكتروليت صلب، وهو مادة تشبه الزجاج تُستخدم في البطاريات من الجيل التالي، وتحديداً "أوكسي كلوريد نيوبات الليثيوم". في هذه المواد، يجب أن تتحرك الأيونات بحرية عبر بنية غير منظمة لتوصيل الكهرباء. قام الفريق بمحاكاة عينة زجاجية كبيرة وطبقوا مجالاً كهربائياً ثابتاً لمراقبة انجراف أيونات الليثيوم. ومن خلال تتبع حركة هذه الأيونات بمرور الوقت، حسبوا الموصلية الكهربائية للمادة. وكانت النتيجة قيمة دقيقة بلغت 6.8 ± 0.7 ميلي سيمنز لكل سنتيمتر عند درجة حرارة الغرفة. كانت هذه القياسات أكثر موثوقية من التقديرات السابقة المستمدة من المحاكاة بدون مجال مطبق، والتي تعتمد على تقلبات حرارية عشوية صغيرة يصعب قياسها بدقة. وفرت الطريقة الجديدة رؤية واضحة ومباشرة لكيفية توصيل المادة للكهرباء، مما يوفر معياراً موثوقاً لتصميم مكونات البطاريات الأفضل.
تمتد آثار هذا العمل إلى ما وراء هذه الأمثلة المحددة. فمن خلال إثبات إمكانية حساب التأثيرات الكهربائية بعيدة المدى بكفاءة عبر ملايين الذرات، فتح الباحثون الباب أمام محاكاة طبقات الأجهزة بأكملها بدلاً من مجرد أجزاء صغيرة منها. وهذا يعني أن العلماء يمكنهم الآن نمذجة كيفية تدفق الحرارة والكهرباء عبر الواجهات في الأجهزة الحقيقية، مثل الحد الفاصل بين شريحة السيليكون ومشتت حراري من الماس، بمستوى من التفصيل كان مستحيلاً في السابق. إن هذا الإطار ليس مجرد تقدم نظري، بل هو أداة عملية تعمل على الأجهزة الحالية ويمكن استخدامها لاستكشاف سلوك المواد تحت الظروف الدقيقة التي ستواجهها في العالم الحقيقي. ومع تزايد الطلب على الأجهزة الإلكترونية وأجهزة الطاقة الأسرع والأكثر كفاءة، فإن القدرة على محاكاة هذه الأنظمة بمقياس ملايين الذرات توفر أساساً حيوياً للابتكار، مما يسمح للباحثين بالتنبؤ بأداء المواد وتحسينه قبل بناء نموذج أولي مادي واحد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.