Solid-angle based nearest-neighbor algorithm adapted for systems with low coordination number

En el mundo invisible de los átomos y las moléculas, la forma en que las partículas se organizan dicta el carácter del material. Ya sea que una sustancia sea un diamante duro, un lubricante resbaladizo o un líquido fluido, depende enteramente del vecindario local de sus partes constituyentes. Para comprender estos materiales, los científicos primero deben responder a una pregunta engañosamente simple: ¿quién es un vecino? En una multitud densa de partículas, no siempre es obvio cuáles están tocándose y cuáles simplemente están pasando de largo. Esta distincción es crucial porque el número de vecinos inmediatos que tiene una partícula, conocido como su número de coordinación, determina la estructura de todo el sistema. Durante décadas, los investigadores han dependido de herramientas matemáticas para trazar estos límites invisibles, pero estas herramientas han tenido dificultades cuando la multitud es escasa o la disposición es inusual, identificando erróneamente a menudo partículas distantes como amigos cercanos.

Un equipo de investigadores de la Universidad de Utrecht y la Université Paris-Saclay ha desarrollado un método refinado para resolver este problema específico. Se centraron en una técnica existente llamada algoritmo de vecinos más cercanos basado en el ángulo sólido, que determina los vecinos comprobando cuánto de la visión circundante de una partícula es bloqueada por sus compañeras. Si bien este método funciona bien en sistemas densos y caóticos, tiende a cometer un error sistemático en redes abiertas y estructuradas donde las partículas son pocas y están dispersas. En estos entornos de baja densidad, el algoritmo original suele llegar demasiado lejos, contando partículas que pertenecen a la siguiente capa de vecinos como si fueran parte del primer círculo. Los investigadores introdujeron una corrección geométrica para solucionar este exceso de conteo sin añadir ningún nuevo ajuste ajustable al cálculo. Su enfoque modificado, al que llaman mSANN, identifica con éxito el número correcto de vecinos en estructuras complejas que van desde patrones de panal hasta cristales de diamante, ofreciendo un mapa más preciso del mundo microscópico.

El desafío central en la identificación de vecinos radica en la falta de una definición única y universal de lo que constituye un "toque". En un cristal perfecto, la respuesta es clara, pero en los materiales reales, la energía térmica hace que las partículas se agiten, desdibujando las líneas entre las capas. Los métodos tradicionales suelen depender de un corte de distancia fijo, dibujando un círculo alrededor de una partícula y contando a todos los que están dentro. Sin embargo, esto falla cuando la densidad cambia a través del material. Otro método popular utiliza una partición geométrica del espacio, dividiendo el área alrededor de cada partícula en una celda única. Aunque esto evita los límites de distancia arbitrarios, es sensible a las diminutas vibraciones y puede incluir incorrectamente partículas distantes en estructuras de baja coordinación, como una red de panal donde cada partícula tiene solo tres vecinos. El método del ángulo sólido fue diseñado para ser una alternativa robusta que no requiere configuraciones de distancia fijas. Funciona imaginando una esfera alrededor de una partícula central y calculando el espacio angular que ocupa cada posible vecino. El algoritmo expande el límite hasta que los vecinos llenan colectivamente toda la esfera. Esto funciona maravillosamente en sistemas densos, pero en redes abiertas, la geometría de la situación engaña al algoritmo.

Los investigadores descubrieron que, en estructuras abiertas, el método original dibuja efectivamente un círculo que es demasiado grande. Imagine una partícula situada en el centro de un triángulo formado por sus tres vecinos más cercanos. Para llenar el espacio alrededor de la partícula central, el algoritmo calcula un radio que llega a las esquinas de ese triángulo. Al hacerlo, incluye inadvertidamente partículas que se encuentran justo fuera del triángulo, en la siguiente capa de la estructura. Esto sucede porque el algoritmo trata el espacio como si necesitara ser llenado por un círculo que pase a través de los vecinos, en lugar de un círculo que simplemente los contenga. Este descuido geométrico conduce a una sobreestimación constante del número de vecinos, confundiendo la primera capa de vecinos con la segunda.

Para corregir esto, los autores propusieron un ajuste geométrico simple basado en la relación entre el círculo que pasa a través de los vecinos y el círculo que encaja dentro de la forma que estos forman. Se dieron cuenta de que, mientras el método original utiliza el círculo exterior, un enfoque más preciso para estas estructuras dispersas sería utilizar un radio que se sitúe entre los límites interior y exterior. Introdujeron una modificación que escala el radio calculado hacia abajo, encogiendo efectivamente el límite lo suficiente como para excluir a las partículas distantes, pero permitiendo aún el natural movimiento de los átomos. Este ajuste es puramente geomético y no requiere nuevos parámetros o ajustes, preservando la simplicidad del método original. Actúa como un filtro que evita que el algoritmo llegue demasiado lejos en redes abiertas, manteniéndose al mismo tiempo lo suficientemente flexible como para manejar el ruido térmico presente en los materiales reales.

El equipo probó su nuevo método, mSANN, frente al algoritmo original y el método de partición geométrica tradicional a través de una amplia variedad de sistemas simulados. En simulaciones bidimensionales de redes de panal y cuadradas, los métodos originales identificaron erróneamente con frecuencia el número de vecinos, contando a menudo seis o cinco en lugar de los tres o cuatro correctos. El método modificado, sin embargo, identificó consistentemente el número de coordinación exacto para cada partícula, produciendo una distribución nítida y clara que coincidía con la estructura teórica. En pruebas tridimensionales que involucraron estructuras de diamante y grafito, que también tienen números de coordinación bajos, los métodos originales volvieron a tener dificultades para distinguir entre la primera y la segunda capa de vecinos. La corrección mSANN resolvió esto con éxito, identificando el número correcto de vecinos en todos los tipos de cristales probados, incluyendo las redes cúbicas simples y las cúbicas centradas en el cuerpo.

Los investigadores también examinaron sistemas desordenados más complejos, como los cuasicristales, que contienen una mezcla de diferentes formas y recuentos de vecinos. En estos entornos heterogéneos, el método de ángulo sólido original a veces creaba conexiones falsas a través de las diagonales de los huecos cuadrados, fusionando efectivamente regiones separadas. El algoritmo modificado evitó estos enlaces espurios, preservando la topología real de la estructura. Además, en sistemas donde coexisten diferentes fases, como un límite entre un cristal y una región desordenada, el nuevo método proporcionó una identificación consistente de los vecinos a través de la interfaz, mientras que los otros métodos mostraron inconsistencias significativas. Esta robustez sugiere que la modificación es particularmente valiosa para estudiar materiales que no están perfectamente ordenados, donde el entorno local varía significamente de un punto a otro.

Más allá de la precisión, a los investigadores les preocupaba la velocidad del cálculo, ya que la identificación de vecinos es un paso fundamental en muchas simulaciones a gran escala. Implementaron su algoritmo de una manera que aprovecha la potencia de la computación moderna, utilizando el procesamiento en paralelo para manejar los cálculos de manera eficiente. Sus evaluaciones mostraron que para sistemas pequeños con menos de mil partículas, el método geométrico tradicional sigue siendo la opción más rápida. Sin embargo, a medida que el tamaño del sistema crece, el algoritmo modificado se vuelve significamente más rápido, superando al método tradicional por casi el doble de velocidad en sistemas muy grandes que contienen millones de partículas. Esta eficiencia, combinada con la mejora en la precisión en entornos de baja densidad, convierte al nuevo método en una herramienta poderosa para analizar materiales complejos.

El trabajo demuestra que una mirada cuidadosa a la geometría subyacente de un problema puede conducir a mejoras significativas en cómo modelamos el mundo físico. Al reconocer que la definición de vecino del método original era demasiado permisiva en estructuras abiertas, los investigadores pudieron introducir una corrección que es tanto matemáticamente elegante como prácticamente efectiva. El algoritmo modificado no solo corrige un error específico; proporciona una forma más fiable de mapear la estructura local de la materia, desde las redes rígidas de los cristales hasta las disposiciones fluctuantes de las fases desordenadas. Para los científicos que estudian el comportamiento de los materiales a escala atómica, contar con una herramienta que pueda identificar con precisión los vecinos sin confundirse por los huecos entre ellos es un paso crucial hacia la comprensión de las propiedades de los materiales que componen nuestro mundo.