Linear response for machine-learned interatomic potentials: phonons at arbitrary wave vectors from the primitive cell

Les solides ne sont pas les blocs rigides et immuables qu'ils semblent être. Même dans un cristal aussi dur que le diamant ou aussi mou que le plomb, les atomes vibrent constamment, s'agitant selon un rythme collectif complexe. Ces vibrations, appelées phonons, sont le battement de cœur d'un matériau. Elles déterminent comment un solide se dilate lorsqu'il est chauffé, comment il conduit l'électricité, et même s'il peut devenir un supraconducteur, transportant le courant sans résistance. Pour comprendre ces propriétés, les scientifiques doivent cartographier la « musique » du cristal : les fréquences spécifiques auxquelles les atomes vibrent et la vitesse à laquelle ces vibrations se propagent à travers le matériau. Pendant des décennies, la méthode standard pour y parvenir a consisté à construire une version artificielle et massive du cristal dans une simulation informatique, à pousser légèrement les atomes, et à observer comment ils réagissent. Cette méthode fonctionne, mais c'est comme essayer d'entendre une seule note dans une symphonie en enregistrant l'orchestre entier dans une immense salle ; c'est lent, et la taille de la salle limite la clarté du son.

Une nouvelle étude menée par des chercheurs de l'Université polytechnique de la Ruhr à Bochum offre une voie différente, une voie qui traverse le bruit pour entendre la musique directement. L'équipe, dirigée par Thalis H. B. da Silva, Hai-Chen Wang et Miguel A. L. Marques, a développé un moyen de calculer ces vibrations atomiques de manière exacte, sans avoir besoin de construire les structures cristallines artificielles massives qui sont devenues la norme. Ils ont appliqué leur méthode à une nouvelle génération de modèles informatiques appelés potentiels interatomiques appris par apprentissage automatique (machine-learned interatomic potentials). Ces modèles sont entraînés sur de vastes quantités de données pour prédire comment les atomes interagissent, et ils deviennent l'outil de référence pour la découverte de nouveaux matériaux. Cependant, comme ces modèles sont très sophistiqués, ils dépendent d'informations provenant d'atomes éloignés, étirant les limites de l'approche traditionnelle de la « grande salle ». Les chercheurs ont montré qu'en traitant la vibration comme une onde qui circule à travers la plus petite unité possible du cristal, ils peuvent calculer le comportement exact de l'ensemble du matériau, quelle que soit la distance de l'influence entre les atomes.

Le cœur du problème réside dans le fonctionnement de ces modèles informatiques modernes. Ils sont construits comme une série de couches, où chaque couche transmet l'information à la suivante, un peu comme un jeu de téléphone arabe. Dans les versions les plus profondes et les plus précises de ces modèles, l'information peut voyager sur une distance allant jusqu'à 140 angströms — une portée énorme à l'échelle atomique. Pour capturer toute cette étendue d'influence en utilisant l'ancienne méthode, les scientifiques devraient construire une cellule de simulation contenant des milliers d'atomes. Cela est souvent impossible en raison de la puissance de calcul colossale requise. Lorsque les chercheurs sont contraints d'utiliser des cellules plus petites, ils coupent de fait les interactions à longue portée, introduisant des erreurs difficiles à détecter. Dans certains cas, ces erreurs sont minimes, mais dans d'autres, elles sont catastrophiques, amenant l'ordinateur à prédire qu'un matériau stable est en réalité instable et qu'il s'effondrerait, alors qu'en réalité, il est parfaitement stable.

Les chercheurs ont résolu ce problème en changeant totalement de perspective. Au lieu de construire une cellule géante et de la pousser, ils ont posé une question différente : que se passe-t-il si les atomes de la plus petite unité possible du cristal sont poussés selon un motif spécifique, de type ondulatoire ? Ils ont appliqué une astuce mathématique, similaire à celle utilisée en physique quantique depuis des décennies, où la poussée est modulée par une phase qui varie de manière fluide d'un atome à l'autre. Cela permet à l'ordinateur de calculer la réponse de l'ensemble du cristal infini en observant seulement la minuscule unité primitive. La méthode est exacte. Elle ne procède pas par approximation des forces à longue portée ; elle les calcule précisément, quelle que soit leur portée. Les chercheurs ont testé cette méthode sur deux types différents de modèles d'apprentissage automatique, l'un appelé NequIP et l'autre Prophet, et ont constaté que leur nouvelle méthode reproduisait les résultats des calculs de supercellules massives avec la précision de l'ordinateur, mais sans le coût de calcul massif.

Les résultats de cette nouvelle approche révèlent à quel point l'ancienne méthode passait à côté de l'essentiel. Lorsque les chercheurs ont comparé leurs calculs exacts à la méthode standard de supercellule pour divers matériaux, notamment le silicium, le diamant et un minéral complexe appelé kaolinite, les différences étaient frappantes. Pour les cristaux simples et hautement symétriques comme le silicium, les erreurs de l'ancienne méthode étaient faibles mais mesurables, avec un écart d'environ 0,3 à 0,7 térahertz en fréquence. Pour la kaolinite, plus complexe et de faible symétrie, l'erreur était massive, atteignant 3,4 térahertz. Plus alarmant encore, l'ancienne méthode prédisait que la kaolinite possédait des fréquences « imaginaires », un signal mathématique indiquant que le matériau devrait être dynamiquement instable et s'effondrer, alors qu'en réalité, il est parfaitement stable. La nouvelle méthode n'a montré aucune de ces instabilités, prouvant que l'approche précédente avait créé une fausse alerte. L'erreur ne provenait pas du modèle d'apprentissage automatique lui-même, mais de la manière dont les vibrations étaient calculées.

L'impact dépasse le simple fait d'obtenir les chiffres de fréquence corrects. De nombreuses propriétés importantes des matériaux dépendent non seulement de la hauteur de la vibration, mais aussi de la façon dont cette hauteur change lorsque l'on se déplace à travers le cristal. Ces dérivées déterminent la vitesse de groupe, qui est la vitesse à laquelle la chaleur voyage à travers le matériau. Les chercheurs ont découvert que même lorsque l'ancienne méthode obtenait la fréquence correcte à des points précis, elle échouait lamentablement à calculer la vitesse. Pour le silicium, les vitesses de groupe calculées avec l'ancienne méthode étaient erronées de près de 7 %, même aux points où la fréquence était parfaite. C'est parce que l'ancienne méthode repose sur la connexion de points calculés, et si les points sont trop éloignés, la ligne tracée entre eux est fausse. La nouvelle méthode calcule la pente directement, fournissant une vitesse précise sans avoir besoin de deviner. Cette précision est cruciale pour prédire la conductivité thermique, essentielle pour la conception de meilleurs systèmes électroniques et de gestion de la chaleur.

De plus, la nouvelle méthode permet de calculer comment ces vibrations changent lorsque le matériau est comprimé ou étiré, une propriété connue sous le nom de paramètre de Grüneisen. Ceci est vital pour comprendre la dilatation thermique, c'est-à-dire pourquoi les matériaux grossissent lorsqu'ils chauffent. L'ancienne méthode nécessite de calculer les vibrations à des volumes légèrement différents et de les comparer, un processus qui peut échouer si les vibrations de deux modes différents se croisent. La nouvelle méthode calcule le changement de manière analytique, évitant ainsi ce piège. Dans le cas du silicium, l'ancienne méthode prédisait une dilatation thermique trois à quatre fois trop grande à basse température, tandis que la nouvelle méthode reproduisait correctement la subtile contraction que subit le silicium lorsqu'il est chauffé de l'absolu jusqu'à environ 18 Kelvin.

Les chercheurs ont également examiné le coût du travail. Pour les matériaux à haute symétrie, comme le diamant ou le silicium, la nouvelle méthode prend environ le même temps que l'ancienne si les deux sont utilisées pour calculer la même quantité de données. Cependant, la nouvelle méthode possède un avantage distinct : elle ne nécessite pas la mémoire d'une supercellule géante. Elle travaille avec la plus petite unité possible, ce qui signifie qu'elle peut être exécutée sur des ordinateurs standards qui seraient submergés par les demandes de mémoire de l'ancienne approche pour les modèles profonds. Pour les matériaux sans symétrie, comme la kaolinite complexe, la nouvelle méthode est en fait plus lente, prenant cinq à six fois plus de temps, mais c'est la seule façon d'obtenir la bonne réponse sans tronquer les forces. Le compromis est clair : l'ancienne méthode est plus rapide mais souvent erronée, surtout pour les matériaux complexes ou les modèles profonds, tandis que la nouvelle méthode est exacte et fiable, bien que parfois plus coûteuse en calcul pour certains cas spécifiques.

Ce travail représente un changement significatif dans notre façon de simuler le monde physique. En éliminant le besoin de supercellules artificielles et massives, les chercheurs ont séparé l'erreur du modèle de l'erreur de calcul. Par le passé, si une simulation donnait une mauvaise réponse, il était impossible de savoir si le modèle d'apprentissage automatique était mauvais ou si la méthode de calcul était défaillante. Désormais, avec cette référence exacte, les scientifiques peuvent être sûrs que le modèle fait ce qu'il est censé faire. La méthode n'est pas seulement une amélioration théorique ; c'est un outil pratique qui a déjà été appliqué à des matériaux réels, révélant des erreurs qui étaient auparavant cachées à la vue de tous. À mesure que les modèles d'apprentissage automatique deviennent plus profonds et plus complexes, atteignant des portées qu'aucune supercellule physique ne pourrait jamais contenir, cette nouvelle approche garantit que nous pouvons toujours entendre la véritable musique des atomes, sans la distorsion d'une pièce trop petite.