🔬 materials science

Implementation of the hybrid exchange-correlation functionals in the SIESTA code

यह शोध पत्र SIESTA कोड में हाइब्रिड एक्सचेंज-कोरिलेशन फंक्शनल्स के एक कुशल और सटीक कार्यान्वयन को प्रस्तुत करता है, जो विस्तारित प्रणालियों के बड़े पैमाने पर, स्केलेबल सिमुलेशन को सक्षम करने के लिए संख्यात्मक परमाणु कक्षिकाओं (न्यूमेरिकल एटॉमिक ऑर्बिटल्स) के गाऊसीअन-फिटेड प्रतिनिधित्व का उपयोग करता है, जिससे बैंड गैप के भविष्यवाणियों में महत्वपूर्ण सुधार होता है।

मूल लेखक: Yann Pouillon, Bill Clintone Oyomo, James Sifuna, María Camarasa-Gómez, Xinming Qin, Carlos Beltrán, Fernando Gómez-Ortiz, Honghui Shang, Javier Junquera

प्रकाशित 2026-04-30

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yann Pouillon, Bill Clintone Oyomo, James Sifuna, María Camarasa-Gómez, Xinming Qin, Carlos Beltrán, Fernando Gómez-Ortiz, Honghui Shang, Javier Junquera

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप यह सिम्युलेट करने की कोशिश कर रहे हैं कि परमाणुओं का एक शहर कैसे व्यवहार करता है। आप जानना चाहते हैं कि इलेक्ट्रॉन (वे सूक्ष्म कण जो परमाणुओं को आपस में जोड़कर रखते हैं) कैसे चलते हैं और परस्पर क्रिया करते हैं। दशकों से, वैज्ञानिक डेंसिटी फंक्शनल थ्योरी (DFT) नामक एक उपकरण का उपयोग कर रहे हैं। DFT को एक बहुत ही तेज़, बहुत कुशल मानचित्र की तरह समझें। यह शहर के लेआउट का एक सामान्य विचार प्राप्त करने के लिए बहुत अच्छा है, लेकिन इसकी एक दृष्टि दोष (blind spot) है: यह अक्सर "एनर्जी गैप्स" (किसी इमारत के ग्राउंड फ्लोर और पहली मंजिल के बीच की दूरी) को गलत बताता है। यह अक्सर कहता है कि गैप वास्तव में जितना है उससे कम है, जिससे यह एक सामग्री को कंडक्टर (सुचालक) के रूप में दिखा सकता है जबकि वास्तव में वह एक इंसुलेटर (कुचालक) होती है।

इसे ठीक करने के लिए, वैज्ञानिकों ने हाइब्रिड फंक्शनल्स (Hybrid Functionals) विकसित किए। ये ऐसे हैं जैसे आपने अपने मानचित्र को एक हाई-डेफिनिशन सैटेलाइट व्यू में अपग्रेड कर दिया हो। वे "एक्जैक्ट एक्सचेंज" गणना का एक विशिष्ट प्रकार जोड़ते हैं जो दृष्टि दोषों को ठीक करता है, जिससे सही ऊर्जा अंतराल प्राप्त होता है। हालांकि, इसमें एक पेंच है: यह हाई-डेफिनिशन व्यू गणना करने में अविश्वसनीय रूप से धीमा है। यह एक विशाल शहर के लिए हर एक कार के ट्रैफिक फ्लो की गणना करने की कोशिश करने जैसा है; कंप्यूटर अत्यधिक बोझ महसूस करने लगता है और सिमुलेशन करने में बहुत समय लगता है।

समस्या: "फोर-सेंटर" (Four-Center) बाधा
हाइब्रिड गणनाओं के इतने धीमे होने का मुख्य कारण "फोर-सेंटर इंटीग्रल्स" की एक गणितीय समस्या है। कल्पना कीजिए कि आप एक कमरे में चार अलग-अलग लोगों के बीच की बातचीत की गणना करने की कोशिश कर रहे हैं। यदि आपके पास 1,000 लोग हैं, तो चार लोगों के संभावित समूहों की संख्या खगोलीय होगी। परमाणुओं की दुनिया में, प्रत्येक संभावित समूह के लिए इन अंतःक्रियाओं की गणना करना एक कम्प्यूटेशनल बाधा (bottleneck) बन जाता है।

समाधान: "गौसियन" (Gaussian) अनुवादक
इस शोध पत्र के लेखकों ने, SIESTA कोड (एक लोकप्रिय सॉफ्टवेयर जो सामग्रियों का अनुकरण करता है) के साथ मिलकर काम करते हुए, इसे तेज करने का एक चतुर तरीका खोजा।

मूल भाषा (NAOs): SIESTA आमतौर पर "न्यूमेरिकल एटमिक ऑर्बिटल्स" (NAOs) में बात करता है। ये सख्त, स्थानीयकृत मानचित्रों की तरह हैं जो एक निश्चित दूरी पर अचानक रुक जाते हैं। ये मानक गणनाओं के लिए कुशल हैं लेकिन हाइब्रिड फंक्शनल्स के लिए आवश्यक जटिल "फोर-सेंटर" गणित का उपयोग करने के लिए बहुत कठिन हैं।
अनुवाद (GTOs): टीम ने एक अनुवादक बनाया। उन्होंने उन सख्त, स्थानीयकृत मानचित्रों (NAOs) को "गौसियन-टाइप ऑर्बिटल्स" (GTOs) का उपयोग करके अनुमानित किया। GTOs को चिकने, बेल-कर्व (bell-curve) आकारों के रूप में समझें जो गणितीय रूप से अनुकूल हैं।
लाइब्रेरी (Libint): क्योंकि GTOs गणितीय रूप से चिकने होते हैं, इसलिए एक पूर्व-मौजूद, अत्यधिक अनुकूलित "लाइब्रेरी" (जिसे libint कहा जाता है) है जो उनके बीच की अंतःक्रियाओं की तुरंत गणना कर सकती है। यह चार लोगों के बीच होने वाली हर बातचीत के लिए पहले से तैयार किए गए शब्दकोश रखने जैसा है।

उन्होंने इसे कैसे काम करने के योग्य बनाया
टीम ने केवल भाषा नहीं बदली; उन्होंने एक पुल बनाया:

फिटिंग (Fitting): उन्होंने उन सख्त SIESTA मानचित्रों को चिकने गौसियन आकारों में गणितीय रूप से "फिट" किया। यह एक टूटे हुए, पिक्सेलेटेड चित्र को चिकना करने जैसा है ताकि एक उच्च श्रेणी का प्रिंटर मूल चित्र के विवरण खोए बिना उसे संभाल सके।
स्क्रीनिंग (Screening): उन्होंने दरवाजे पर एक "बाउंसर" जोड़ा। चूंकि अधिकांश परमाणु एक-दूसरे से इतनी दूर होते हैं कि उनकी अंतःक्रिया महत्वपूर्ण नहीं होती, इसलिए कोड उन दूर स्थित जोड़ों को अनदेखा कर देता है। यह गणनाओं की संख्या को अरबों से घटाकर कुछ लाख तक प्रबंधनीय बना देता है।
पैरेलल पावर (Parallel Power): उन्होंने एक ऐसी प्रणाली बनाई जहाँ हजारों कंप्यूटर प्रोसेसर एक-दूसरे के काम में बाधा डाले बिना एक ही समय में शहर के विभिन्न हिस्सों पर काम कर सकते हैं।

परिणाम: तेज़ और अधिक सटीक
टीम ने इस नई पद्धति का परीक्षण सिलिकॉन चिप्स से लेकर ग्राफीन जैसी 2D सामग्रियों तक, विभिन्न प्रकार की सामग्रियों पर किया।

सटीकता: नए तरीके ने "दृष्टि दोषों" को ठीक कर दिया। उदाहरण के लिए, इसने सही ढंग से भविष्यवाणी की कि ब्लैक फॉस्फोरस एक सेमीकंडक्टर (एक गैप के साथ) है न कि एक धातु, और इसने सिलिकॉन और डायमंड के ऊर्जा अंतराल की गणना प्रायोगिक वास्तविकता के लगभग समान की।
गति: गौसियन अनुवाद और स्क्रीनिंग "बाउंसर" का उपयोग करके, उन्होंने इन उच्च-सटीक गणनाओं को बड़े सिस्टम (सैकड़ों या यहाँ तक कि हजारों परमाणुओं) के लिए व्यावहारिक बना दिया, जिन्हें पहले चलाने में बहुत अधिक समय लगता।

समझौता (The Trade-Off)
लेखकों ने यह भी विश्लेषण किया कि गति और सटीकता के बीच सबसे अच्छा संतुलन कैसे प्राप्त किया जाए। उन्होंने पाया कि:

प्रत्येक परमाणु का प्रतिनिधित्व करने के लिए मध्यम संख्या में "गौसियन आकारों" (लगभग 4 से 6) का उपयोग करना आमतौर पर पर्याप्त है।
अंतःक्रियाओं के लिए एक विशिष्ट "कटऑफ" दूरी निर्धारित करना बिना प्रत्येक दूरस्थ परमाणु की गणना किए अच्छी तरह से काम करता है।
यह संतुलन वैज्ञानिकों को सबसे महंगी विधियों के लगभग समान सटीक परिणाम प्राप्त करने की अनुमति देता है, लेकिन बहुत कम समय में।

सारांश में
यह शोध पत्र SIESTA सॉफ्टवेयर के लिए एक नया इंजन प्रस्तुत करता है। यह वैज्ञानिकों को उनके मूल भाषा को एक गणितीय रूप से चिकनी भाषा में बदलकर बड़े पदार्थों पर उच्च-परिशुद्धता, "हाइब्रिड" सिमुलेशन चलाने की अनुमति देता है जिसे तुरंत प्रोसेस किया जा सकता है। यह जटिल सामग्रियों (जैसे सेमीकंडक्टर्स और 2D शीट) के इलेक्ट्रॉनिक गुणों की सटीक भविष्यवाणी करना संभव बनाता है, बिना कंप्यूटर के काम पूरा करने के लिए हफ्तों इंतजार किए।

यहाँ शोध पत्र "Implementation of the hybrid exchange-correlation functionals in the siesta code" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

घनत्व कार्यात्मक सिद्धांत (Density Functional Theory - DFT) सामग्री विज्ञान का एक आधार स्तंभ है, लेकिन मानक अर्ध-स्थानीय कार्यात्मक (जैसे LDA और GGA/PBE) स्व-अंतःक्रिया त्रुटि (self-interaction error) से ग्रस्त होते हैं। इसके परिणामस्वरूप बैंड अंतराल (band gaps) का व्यवस्थित रूप से कम अनुमान, इलेक्ट्रॉन विस्थानीकरण (electron delocalization) का अत्यधिक अनुमान, और दोष स्तरों (defect levels) एवं अभिक्रिया अवरोधों (reaction barriers) के वर्णन में अशुद्धियाँ आती हैं।
हाइब्रिड कार्यात्मक (जैसे HSE06, PBE0), जो अर्ध-स्थानीय विनिमय (exchange) के साथ सटीक हार्ट्री-फॉक (HF) विनिमय के एक अंश को मिलाते हैं, इन समस्याओं को हल करते हैं। हालाँकि, SIESTA कोड के भीतर बड़े पैमाने के विस्तारित तंत्रों (ठोस, सतह, दोष) के लिए इनका अनुप्रयोग ऐतिहासिक रूप से सीमित रहा है क्योंकि:

गणना संबंधी लागत (Computational Cost): सटीक विनिमय के लिए आवश्यक चार-केंद्र इलेक्ट्रॉन प्रतिकर्षण इंटीग्रल्स (ERIs) का मूल्यांकन खराब तरीके से स्केल करता है ( $O(N^4)$ ) और गणनात्मक रूप से निषेधात्मक है।
आधार सेट बेमेल (Basis Set Mismatch): SIESTA सख्ती से स्थानीयकृत संख्यात्मक परमाणु कक्षकों (Numerical Atomic Orbitals - NAOs) का उपयोग करता है, जो उत्कृष्ट स्थानिक स्थानीयता और विरल मैट्रिक्स संरचना प्रदान करते हैं। हालाँकि, विश्लेعيक ERI मूल्यांकन के लिए मानक कुशल लाइब्रेरी (जैसे libint) गौसियन-प्रकार के कक्षकों (Gaussian-Type Orbitals - GTOs) के लिए डिज़ाइन की गई हैं।
विश्लेषणात्मक बलों का अभाव (Lack of Analytical Forces): पिछले कार्यान्वयनों में अक्सर पूर्णतः विश्लेषणात्मक बल गणनाओं की कमी थी, जिससे ज्यामिति अनुकूलन (geometry optimization) और आणविक गतिशीलता (molecular dynamics) में बाधा आती थी।

2. कार्यप्रणाली (Methodology)

लेखक एक हाइब्रिड योजना प्रस्तुत करते हैं जो SIESTA में कुशल हाइब्रिड कार्यात्मक गणनाओं को सक्षम करने के लिए NAOs और GTOs की शक्तियों का लाभ उठाती है।

A. NAO-to-GTO फिटिंग रणनीति

ERIs का संख्यात्मक मूल्यांकन करने (जो धीमा है) या NAO आधार का त्याग करने के बजाय, लेखक मूल NAOs के त्रिज्यीय भाग (radial part) को गौसियन के एक रैखिक संयोजन के रूपв रूप में अनुमानित करते हैं:
$\chi_\mu(r) \approx \sum_{k=1}^{N_G} C_k \exp(-\alpha_k r^2)$

आंतरिक फिटिंग (Internal Fitting): SIESTA के भीतर ही एक नया, सुदृढ़ फिटिंग एल्गोरिदम लागू किया गया है। यह एक वैकल्पिक अनुकूलन रणनीति का उपयोग करता है (गुणांकों को हल करने के लिए घातांकों को स्थिर करना, फिर घातांकों को अनुकूलित करना) ताकि NAO और गौसियन विस्तार के बीच के अंतर को न्यूनतम किया जा सके।
कठोर स्थानीयकरण (Strict Localization): चूँकि गौसियन अनंत पर गैर-शून्य होते हैं, लेखक एक ट्रंकेशन (truncation) रणनीति पेश करते हैं। कक्षकों को स्थानीयकृत और निरंतर बनाए रखने के लिए गौसियन योग को एक सुचारू कटऑफ फंक्शन ( $1 - e^{-\alpha(r-r_c)^2}$ ) के साथ गुणा किया जाता है, जिससे SIESTA के विरल मैट्रिक्स लाभ सुरक्षित रहते हैं।
कोणीय रूपांतरण (Angular Transformation): SIESTA में उपयोग किए जाने वाले वास्तविक गोलाकार हार्मोनिक्स को libint लाइब्रेरी के साथ इंटरफेस करने के लिए कार्टेशियन गौसियन हार्मोनिक्स में परिवर्तित किया जाता है।

B. इंटीग्रल मूल्यांकन और स्क्रीनिंग (Integral Evaluation and Screening)

विश्लेषणात्मक मूल्यांकन: एक बार जब NAOs को संकुचित गौसियनों के रूप में प्रस्तुत कर दिया जाता है, तो चार-केंद्र ERIs को libint लाइब्रेरी (संस्करण 1.1.4) का उपयोग करके विश्लेषणात्मक रूप से कंप्यूट किया जाता है, जो ओबारा-साइका (Obara-Saika) एल्गोरिदम का उपयोग करती है।
बहु-स्तरीय स्क्रीनिंग (Multi-Level Screening): गणना की जटिलता को $O(N^4)$ $O (N^{4})$ से घटाकर लगभग रैखिक स्केलिंग तक लाने के लिए, लेखक स्क्रीनिंग तकनीकों के एक पदानुक्रम का उपयोग करते हैं:
1. श्वार्ज़ असमानता (Schwarz Inequality): नगण्य युग्मों को हटाने के लिए इंटीग्रल की परिमाण को सीमित करती है।
2. शेल क्वाटेट फ़िल्टरिंग (Shell Quartet Filtering): कक्षकों को शेल्स में समूहित करती है और स्थानिक ओवरलैप तथा दूरी के आधार पर फ़िल्टर करती है।
3. घनत्व मैट्रिक्स स्क्रीनिंग (Density Matrix Screening): शेल्स को जोड़ने वाले अधिकतम घनत्व मैट्रिक्स तत्व के श्वार्ज़ बाउंड को गुणा करती है; यदि उत्पाद एक सीमा से नीचे है, तो इंटीग्रल को छोड़ दिया जाता है।
4. रेंज-सेपरेशन (Range-Separation): HSE06 कार्यात्मक के लघु-दूरी प्रकृति (स्क्रीन किया गया कूलम्ब विभव) का उपयोग करके लंबी दूरी की अंतःक्रियाओं को स्वाभाविक रूप से ट्रंकेट करता है, जिससे आइलर्ड समेशन (Ewald summation) की आवश्यकता समाप्त हो जाती है।

C. विश्लेषणात्मक बल और समानांतरकरण (Analytical Forces and Parallelization)

बल (Forces): कार्यान्वयन पूर्णतः विश्लेषणात्मक बल प्रदान करता है, जिसमें परमाणु स्थितियों पर आधार सेट की निर्भरता से उत्पन्न होने वाले पुले (Pulay) पद शामिल हैं। यह ज्यामिति अनुकूलन और एब इनिशियो आणविक गतिशीलता की अनुमति देता है।
समानांतरकरण (Parallelization): ERIs की गणना को MPI प्रक्रियाओं में वितरित करने के लिए एक गतिशील समानांतर वितरण योजना का उपयोग किया जाता है, जो उत्कृष्ट लोड बैलेंसिंग और स्केलेबिलिटी सुनिश्चित करता है।

3. प्रमुख योगदान (Key Contributions)

SIESTA में प्रथम कुशल हाइब्रिड कार्यान्वयन: SIESTA के NAO-आधारित ढांचे के भीतर इसकी अंतर्निहित रैखिक-स्केलिंग क्षमताओं से समझौता किए बिना सटीक विनिमय को सफलतापूर्वक एकीकृत किया।
सुदृढ़ आंतरिक फिटिंग एल्गोरिदम: एक स्व-निहित, व्यवस्थित विधि विकसित की जो NAOs को गौसियनों में फिट करती है, जिससे बाहरी फिटिंग टूल और जटिल वर्कफ़्लो की आवश्यकता समाप्त हो गई।
विश्लेषणात्मक बल: SIESTA NAO ढांचे के भीतर हाइब्रिड कार्यात्मकों के लिए पहला पूर्णतः विश्लेषणात्मक बल सूत्र प्रदान किया, जिससे संरचनात्मक विश्राम (structural relaxations) और गतिकी संभव हुई।
व्यापक बेंचमार्किंग: PBE, $G_0W_0$ , और प्रयोगात्मक डेटा के विरुद्ध विभिन्न सामग्रियों (अर्धचालक, कुचालक, 2D सामग्री और अणु) पर इस कार्यान्वयन को मान्य किया।

4. परिणाम (Results)

लेखक व्यापक बेंचमार्किंग के माध्यम से कार्यान्वयन को मान्य करते हैं:

बैंड गैप (Band Gaps): HSE06 कार्यात्मक PBE की तुलना में बैंड गैप भविष्यवाणियों में महत्वपूर्ण सुधार करता है।
- उदाहरण: सिलिकॉन बैंड गैप PBE के 0.59 eV से सुधरकर 1.20 eV (HSE06) हो गया, जो प्रयोगात्मक मान 1.12 eV से मेल खाता है।
- उदाहरण: ब्लैक फास्फोरस, जिसे PBE गलत तरीके से धात्विक बताता है, उसे 0.29 eV के अंतराल वाले अर्धचालक के रूप में सही ढंग से पहचाना गया (जो $G_0W_0$ और प्रयोग के करीब है)।
- परिणाम Si, Diamond, LiF, c-BN, TiO $_2$ , ZnO, और h-BN के लिए $G_0W_0$ गणनाओं और प्रयोगात्मक डेटा के साथ उत्कृष्ट सहमति दिखाते हैं।
सटीकता बनाम दक्षता ट्रेड-ऑफ (Accuracy vs. Efficiency Trade-offs):
- गौसियनों की संख्या ( $N_G$ ): $N_G$ बढ़ाने से सटीकता में सुधार होता है लेकिन लागत ( $O(N_G^4)$ ) भी तेजी से बढ़ती है। लेखक पाते हैं कि $N_G = 4$ एक इष्टतम संतुलन प्रदान करता है, जो पूर्णतः अभिसरित मान के भीतर दसियों meV के भीतर अंतराल प्रदान करता है।
- कटऑफ त्रिज्या ( $\epsilon_{Gauss}$ ): $5 \times 10^{-3}$ का थ्रेशोल्ड पर्याप्त कॉम्पैक्ट कक्षक सुनिश्चित करता है, जिससे स्पार्सिटी बनी रहती है और अधिकांश प्रणालियों के लिए अभिसरित बैंड गैप प्राप्त होते हैं।
- स्क्रीनिंग थ्रेशोल्ड: इंटीग्रल स्क्रीनिंग के लिए $10^{-5}$ से $10^{-6}$ के थ्रेशोल्ड लगभग अभिसरित परिणाम प्रदान करते हैं, जो बिना फ़िल्टर किए गए गणनाओं की तुलना में काफी गति प्रदान करते हैं।
समानांतर स्केलेबिलिटी (Parallel Scalability): 5 $\times$ 5 $\times$ 5 SrTiO $_3$ सुपरसेल (सैकड़ों परमाणुओं) पर बेंचमार्क से पता चलता है कि 4 से 64 कोर तक स्केल करने पर 11.8 $\times$ की गति वृद्धि होती है, जिसमें समानांतर दक्षता 73% से ऊपर बनी रहती है।
आणविक सत्यापन (Molecular Validation): विधि O $_2$ अणु में सिंगलेट-ट्रिपलेट विभाजन को सही ढंग से पुनरुत्पादित करती है, जो स्पिन-विभेदित विनिमय कार्यान्वयन की सटीकता की पुष्टि करती है।

5. महत्व (Significance)

यह कार्य बड़े विस्तारित तंत्रों के प्रथम-सिद्धांत सिमुलेशन में एक प्रमुख बाधा को दूर करता है। SIESTA के भीतर कई सौ से कुछ हज़ार परमाणुओं वाले सिस्टम के लिए हाइब्रिड कार्यात्मक गणनाओं को सक्षम करके, लेखकों ने उच्च-सटीकता वाली इलेक्ट्रॉनिक संरचना (बैंड गैप, दोष स्तर) और संरचनात्मक गुणों की भविष्यवाणी को उस स्तर पर सुलभ बना दिया है जो पहले केवल अर्ध-स्थानीय कार्यात्मकों या बहुत छोटे सिस्टम के लिए आरक्षित था।

हाइब्रिड कार्यात्मकों के साथ ज्यामिति अनुकूलन और आणविक गतिशीलता करने की क्षमता निम्नलिखित के अध्ययन के लिए नए मार्ग खोलती है:

पोलारोनिक व्यवहार (polaronic behavior) और चार्ज लोकलाइजेशन।
अर्धचालकों और कुचालकों में दोष भौतिकी (defect physics)।
हेटरोस्ट्रक्चर में सतह और इंटरफेस के गुण।
जटिल सामग्रियों के लिए सटीक ऊष्मागतिकीय गुण।

यह कार्यान्वयन SIESTA को उच्च-सटीकता वाली सामग्री मॉडलिंग के लिए एक प्रतिस्पर्धी और बहुमुखी उपकरण के रूप में स्थापित करता है, जो स्थानीयकृत आधार सेट की दक्षता और हाइब्रिड कार्यात्मकों की सटीकता के बीच के अंतर को पाटता है।