Efficient generation of large-scale non-equilibrium distributions of particles

Resumen Técnico: Generación Eficiente de Distribuciones de Partículas a Gran Escala en No Equilibrio

Enunciado del Problema
Los Elementos de Volumen Representativo (EVR) con microestructuras periódicas son esenciales para vincular la heterogeneidad a escala microscópica con las propiedades efectivas a escala macroscópica en materiales compuestos. Si bien los algoritmos tradicionales (por ejemplo, Monte Carlo, dinámica molecular impulsada por eventos de Lubachevsky–Stillinger) sobresalen en la generación de configuraciones de partículas en equilibrio o cerca del equilibrio, a menudo fallan al capturar las distribuciones no uniformes, anisotrópicas y dependientes de la historia características de los procesos de fabricación reales (por ejemplo, bobinado de filamentos, moldeo por inyección). Los métodos existentes tienden a suprimir las irregularidades, defectos y desorden controlado encontrados en los compuestos reales. Además, la generación de microestructuras a gran escala con altos recuentos de partículas a menudo sufre de costos computacionales prohibitivos debido a la escalabilidad cuadrática en la detección de colisiones. Existe una necesidad clara de un algoritmo capaz de producir EVR periódicos de manera eficiente con grados ajustables de aleatoriedad, correlaciones espaciales controladas y características realistas de no equilibrio, incluido el agrupamiento y la aglomeración.

Metodología: El Algoritmo de Inflado y Migración Aleatoria (SRM)
El artículo propone el algoritmo de Inflado y Migración Aleatoria (SRM), un enfoque híbrido que combina una técnica de "inflado" modificada de Miller–Torquato con un esquema de Adición Secuencial Aleatoria (RSA) modificado. El método opera sobre una caja unitaria que contiene inclusiones monodispersas y procede a través de los siguientes pasos iterativos:

1. Inicialización: Se genera una configuración inicial sin superposiciones a una fracción de volumen baja utilizando RSA clásico.
2. Inflado: Todas las partículas se aumentan simultáneamente en radio mediante un pequeño incremento ($c_w$).
3. Migración Aleatoria: Cada partícula se desplaza mediante un pequeño vector aleatorio ($c_m$).
4. Verificación de Admisibilidad Local: Las distancias a los vecinos se evalúan utilizando un esquema de partición espacial basado en celdas adaptativas. Si una partícula se superpone, se devuelve a su posición anterior y se intenta un nuevo desplazamiento aleatorio. Este bucle continúa hasta encontrar una posición válida o alcanzar un número máximo de intentos ($N_l$).
5. Paso de Sacudida: Si una partícula no puede encontrar una posición admisible después de varios intentos, se realiza una relajación global ("sacudida"). Esto implica desplazar aleatoriamente todas las partículas y verificar superposiciones para superar el atascamiento local, particularmente en configuraciones agrupadas.
6. Terminación: El ciclo se repite hasta alcanzar la fracción de volumen objetivo.

Eficiencia Computacional
Un componente crítico de la metodología es la implementación de una búsqueda de vecinos basada en celdas. Al subdividir el EVR en celdas ligeramente más grandes que el diámetro de la partícula, el algoritmo limita las verificaciones de superposición a las partículas dentro de la celda actual y sus vecinos inmediatos (un bloque de $3 \times 3$ en 2D). Esto reduce la complejidad computacional de la detección de colisiones de cuadrática a casi lineal ($O(N)$) con respecto al número de partículas. Con optimizaciones adicionales en los patrones de acceso a las partículas para mitigar los fallos de caché, el tiempo de generación escala aproximadamente como $t \propto N^{1.15}$, lo que permite simulaciones con hasta $10^7$ partículas tanto en dos como en tres dimensiones.

Resultados Clave

• Escalabilidad: El algoritmo SRM optimizado generó con éxito configuraciones con hasta $10^7$ partículas. Para fracciones de volumen bajas a intermedias, el método mantiene una alta eficiencia.
• Control de No Equilibrio: Al ajustar la tasa de inflado ($c_w$) y la tasa de migración ($c_m$), el algoritmo puede producir un espectro de microestructuras que van desde distribuciones similares al equilibrio hasta arreglos fuertemente agrupados.
  • Comparación con la DM: A diferencia de la dinámica molecular (DM) impulsada por eventos, que evoluciona naturalmente hacia el equilibrio, el SRM genera configuraciones con distribuciones de fracción de volumen local (FVL) significativamente más amplias y firmas de agrupamiento más fuertes. Los estados "agrupados" generados por DM permanecen más cerca del equilibrio que aquellos producidos por SRM.
  • Límites de Fracción de Volumen: En 2D, el método puede exceder el límite clásico de Empaquetamiento Aleatorio Compacto (RCP) (logrando ~87% para discos). En 3D, el límite práctico es aproximadamente 60% para esferas; más allá de esto, la migración aleatoria se vuelve ineficiente y se prefiere la DM impulsada por eventos.
• Extensión a Inclusiones No Esféricas: El algoritmo se aplicó con éxito a plaquetas circulares delgadas (esferodiscos). Mediante el ajuste de parámetros, los autores generaron:
  • Redes "Casa de Cartas" (HoC): Estructuras altamente interconectadas formadas por altas tasas de inflado y bajas tasas de migración.
  • Dominios Cuasi-nemáticos: Regiones metaestables y parcialmente ordenadas formadas al relajar estructuras HoC con altas tasas de migración.
• Impacto Estructura-Propiedad: El análisis de percolación de las microestructuras de plaquetas reveló que las configuraciones HoC exhiben una distancia crítica de percolación aproximadamente un orden de magnitud menor que las estructuras cuasi-nemáticas relajadas. Esto demuestra que la disposición microestructural influye significativamente en las propiedades de transporte.

Significado y Afirmaciones
El artículo posiciona al algoritmo SRM como una herramienta poderosa y flexible para la modelación computacional de materiales compuestos. Su principal significado radica en su capacidad para generar configuraciones de partículas realistas, diversas y computacionalmente accesibles que reflejan la variabilidad estadística y las características de no equilibrio observadas en la fabricación práctica.

Los autores enfatizan que SRM es un método puramente geométrico; las reordenaciones de partículas no están gobernadas por fuerzas físicas o potenciales interparticulares. En consecuencia, aunque SRM es ideal para generar microestructuras iniciales estadísticamente representativas para estudios de homogeneización, cuantificación de incertidumbre y pruebas virtuales, no reproduce la verdadera evolución física de los sistemas particulados ni estudia transiciones de fase. El valor del método reside en proporcionar un medio controlado para variar el desorden microestructural e imitar la anisotropía inducida por la fabricación, permitiendo así análisis más precisos de las relaciones estructura-propiedad en medios heterogéneos.