Scalable long-range machine learning interatomic potentials with electrical response for atomistic material modeling

La science des matériaux est confrontée depuis longtemps à un fossé fondamental. D'un côté se trouvent les lois de la mécanique quantique, qui peuvent prédire le comportement des atomes individuels avec une précision parfaite mais sont trop lentes pour simuler plus de quelques milliers d'atomes à la fois. De l'autre côté se trouvent les simulations massives nécessaires pour comprendre les dispositifs du monde réel, comme les batteries ou les puces informatiques, qui contiennent des millions ou des milliards d'atomes mais reposent souvent sur des règles simplifiées qui omettent les détails subtils de la manière dont les atomes interagissent réellement. Le maillon manquant était un moyen de simuler de vastes collections d'atomes avec la précision de la physique quantique, en particulier lorsque ces atomes sont soumis à des champs électriques. Dans le monde réel, l'électricité pousse les ions à se déplacer, fait basculer les matériaux entre différents états et génère de la chaleur au niveau microscopique. Pour concevoir de meilleurs dispositifs, les scientifiques ont besoin de voir ces processus se dérouler sur de vastes distances, mais les calculs requis pour suivre les forces électriques invisibles entre chaque atome rendent généralement de telles simulations de grande envergure impossibles.

Une équipe de chercheurs de l'Université nationale de Singapour a comblé ce fossé en créant un nouveau cadre de calcul qui leur permet de simuler des millions d'atomes avec une grande précision tout en tenant compte des effets électriques à longue portée. Leurs travaux, publiés récemment, introduisent une méthode appelée DPA4C-LR. Ce système combine un modèle local hautement efficace qui prédit comment les atomes poussent et tirent sur leurs voisins immédiats avec un calcul global distinct qui gère les forces électriques à longue distance. En divisant le problème de cette manière, les chercheurs ont évité le goulot d'étranglement computationnel qui empêche habituellement les scientifiques de simuler de grands systèmes sous champs électriques. Ils ont démontré que leur approche peut fonctionner sur seulement quatre processeurs graphiques puissants pour modéliser un système contenant 5,2 millions d'atomes, une échelle auparavant inatteignable pour ce niveau de détail.

Le défi central que l'équipe a résolu était de savoir comment inclure la réponse électrique sans ralentir l'ensemble du processus. Dans de nombreux matériaux, la façon dont les atomes répondent à un champ électrique dépend du comportement collectif de l'ensemble du système, et pas seulement des atomes à proximité. Les méthodes traditionnelles qui tentent de calculer ces effets globaux à chaque étape d'une simulation nécessitent que toutes les données soient regroupées en un seul endroit, ce qui empêche la répartition du travail sur plusieurs ordinateurs. La nouvelle méthode contourne cela en traitant les forces électriques à longue portée comme une étape distincte qui peut être résolue efficacement à l'aide de techniques mathématiques établies, tandis que les interactions locales complexes sont gérées par un modèle d'apprentissage automatique qui peut être distribué sur de nombreux processeurs simultanément. Cela permet à la simulation de monter en échelle jusqu'à des millions d'atomes sans perdre la capacité de prédire comment le matériau réagira à un courant ou à un champ électrique.

Pour prouver l'efficacité de leur système, les chercheurs l'ont testé sur trois matériaux très différents, chacun nécessitant un grand nombre d'atomes pour révéler la vérité. Premièrement, ils ont étudié l'eau liquide. Les molécules d'eau sont polaires, ce qui signifie qu'elles possèdent un pôle positif et un pôle négatif, et elles se réorientent constamment en réponse aux champs électriques. L'équipe a simulé un bloc massif d'eau et a appliqué des champs électriques de différentes intensités. Leur modèle a prédit avec succès comment le spectre infrarouge de l'eau — l'empreinte digitale unique de la façon dont elle absorbe la lumière — se décalait à mesure que le champ changeait. Cela a confirmé que le système pouvait inférer avec précision comment les atomes bougeraient et réagiraient à l'électricité, même s'il n'avait été entraîné que sur des données d'énergie et de force de base, sans jamais avoir été explicitement instruit sur les champs électriques.

Ensuite, l'équipe s'est attaquée à un matériau céramique complexe connu sous le nom de ferroélectrique relaxeur, spécifiquement le niobate de magnésium et de plomb. Ces matériaux sont célèbres pour leur capacité à changer de polarisation, une propriété utilisée dans les capteurs et les actionneurs, mais leur comportement est notoirement difficile à simuler car il dépend de minuscules régions désordonnées d'atomes qui n'apparaissent que dans de très grands échantillons. Lorsque les chercheurs ont simulé de petits fragments de ce matériau, les résultats ressemblaient à un cristal ordonné standard. Cependant, lorsqu'ils ont augmenté l'échelle vers une simulation contenant près de 30 000 atomes, le tableau a totalement changé. La simulation plus large a révélé une boucle d'hystérésis « mince », une signature spécifique de la capacité du matériau à changer d'état sans rester bloqué, ce qui est la caractéristique définissante d'un relaxeur. Ce résultat a montré que la taille finie des simulations précédentes cachait la véritable nature du matériau, et que c'est seulement en atteignant l'échelle de millions d'atomes que le comportement correct pouvait être observé.

Enfin, les chercheurs ont appliqué leur méthode à un électrolyte solide, un matériau de type verre utilisé dans les batteries de nouvelle génération, plus précisément l'oxychlorure de lithium et de niobium. Dans ces matériaux, les ions doivent circuler librement à travers une structure désordonnée pour conduire l'électricité. L'équipe a simulé un grand échantillon de verre et a appliqué un champ électrique constant pour observer la dérive des ions lithium. En suivant le mouvement de ces ions au fil du temps, ils ont calculé la conductivité électrique du matériau. Le résultat a été une valeur précise de 6,8 ± 0,7 millisiemens par centimètre à température ambiante. Cette mesure était bien plus fiable que les estimations précédentes dérivées de simulations sans champ appliqué, qui reposent sur de minuscules fluctuations thermiques aléatoires difficiles à mesurer avec précision. La nouvelle méthode a fourni une vue claire et directe de la façon dont le matériau conduit l'électricité, offrant ainsi un point de référence fiable pour la conception de meilleurs composants de batterie.

Les implications de ce travail dépassent ces exemples spécifiques. En prouvant que les effets électriques à longue portée peuvent être calculés efficacement sur des millions d'atomes, les chercheurs ont ouvert la voie à la simulation de couches entières de dispositifs plutôt que de simples fragments de ceux-ci. Cela signifie que les scientifiques peuvent désormais modéliser la façon dont la chaleur et l'électricité circulent à travers les interfaces dans des dispositifs réels, tels que la limite entre une puce en silicium et un dissipateur thermique en diamant, avec un niveau de détail auparavant impossible. Le cadre n'est pas seulement une avancée théorique ; c'est un outil pratique qui fonctionne sur le matériel existant et peut être utilisé pour explorer le comportement des matériaux dans les conditions exactes auxquelles ils seront confrontés dans le monde réel. Alors que la demande pour des dispositifs électroniques et énergétiques plus rapides et plus efficaces augmente, la capacité de simuler ces systèmes à l'échelle de millions d'atomes fournit une base cruciale pour l'innovation, permettant aux chercheurs de prédire et d'optimiser les performances des matériaux avant même la construction d'un seul prototype physique.