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

Nel mondo invisibile di atomi e molecole, il modo in cui le particelle si dispongono determina il carattere del materiale. Che una sostanza sia un diamante duro, un lubrificante scivoloso o un liquido fluido dipende interamente dal vicinato locale delle sue parti costituenti. Per comprendere questi materiali, gli scienziati devono prima rispondere a una domanda apparentemente semplice: chi è un vicino? In una folla densa di particelle, non è sempre ovvio quali siano in contatto e quali stiano semplicemente passando. Questa distinzione è cruciale perché il numero di vicini immediati che una particella ha, noto come numero di coordinazione, determina la struttura dell'intero sistema. Per decenni, i ricercatori si sono affidati a strumenti matematici per tracciare questi confini invisibili, ma questi strumenti hanno faticato quando la folla è rada o la disposizione è insolita, spesso identificando erroneamente particelle distanti come amici stretti.

Un team di ricercatori dell'Università di Utrecht e dell'Université Paris-Saclay ha sviluppato un metodo raffinato per risolvere questo problema specifico. Si sono concentrati su una tecnica esistente chiamata algoritmo del vicino più prossimo basato sull'angolo solido, che determina i vicini controllando quanta parte della vista circostante una particella sia bloccata dai suoi compagni. Sebbene questo metodo funzioni bene in sistemi densi e caotici, tende a commettere un errore sistematico in reticoli aperti e strutturati, dove le particelle sono poche e distanti tra loro. In questi ambienti a bassa densità, l'algoritmo originale spesso arriva troppo lontano, contando particelle che appartengono allo strato successivo di vicini come se facessero parte del primo cerchio. I ricercatori hanno introdotto una correzione geometrica per correggere questo eccesso di conteggio senza aggiungere nuovi parametri regolabili al calcolo. Il loro approccio modificato, che chiamano mSANN, identifica con successo il numero corretto di vicini in strutture complesse che vanno dai modelli a nido d'ape ai cristalli di diamante, offrendo una mappa più accurata del mondo microscopico.

La sfida centrale nell'identificare i vicini risiede nella mancanza di una singola definizione universale di ciò che costituisce un "tocco". In un cristallo perfetto, la risposta è chiara, ma nei materiali reali l'energia termica fa sobbalzare le particelle, sfumando i confini tra gli strati. I metodi tradizionali spesso si affidano a un limite di distanza fisso, disegnando un cerchio attorno a una particella e contando tutti quelli all'interno. Tuttavia, questo fallisce quando la densità cambia attraverso il materiale. Un altro metodo popolare utilizza una partizione geometrica dello spazio, dividendo l'area intorno a ogni particella in una cella unica. Sebbene questo eviti limiti di distanza arbitrari, è sensibile alle minuscole vibrazioni e può includere erroneamente particelle distanti in strutture a bassa coordinazione, come un reticolo a nido d'ape dove ogni particella ha solo tre vicini. Il metodo dell'angolo solido è stato progettato per essere un'alternativa robusta che non richiede impostazioni di distanza fisse. Funziona immaginando una sfera attorno a una particella centrale e calcolando lo spazio angolare che ogni potenziale vicino occupa. L'algoritmo espande il confine finché i vicini non riempiono collettivamente l'intera sfera. Questo funziona magnificamente nei sistemi densi, ma nella geometria delle strutture aperte, la situazione inganna l'algoritmo.

I ricercatori hanno scoperto che nelle strutture aperte, il metodo originale disegna effettivamente un cerchio troppo grande. Immaginate una particella seduta al centro di un triangolo formato dai suoi tre vicini più prossimi. Per riempire lo spazio attorno alla particella centrale, l'algoritmo calcola un raggio che raggiunge gli angoli di quel triangolo. In questo modo, include involontariamente particelle che si trovano appena fuori dal triangolo, nello strato successivo della struttura. Ciò accade perché l'algoritmo tratta lo spazio come se dovesse essere riempito da un cerchio che passa attraverso i vicini, piuttosto che da un cerchio che li contenga semplicemente. Questa svista geometrica porta a una sovrastima costante del numero di vicini, confondendo il primo strato di vicini con il secondo.

Per correggere questo, gli autori hanno proposto un semplice aggiustamento geometrico basato sulla relazione tra il cerchio che passa attraverso i vicini e il cerchio che si inserisce all'interno della forma che essi formano. Hanno capito che mentre il metodo originale utilizza il cerchio esterno, un approccio più accurato per queste strutture sparse sarebbe quello di utilizzare un raggio che si trovi in una posizione intermedia tra i limiti interno ed esterno. Hanno introdotto una modifica che ridimensiona il raggio calcolato, restringendo efficacementamente il confine quanto basta per escludere le particelle distanti pur permettendo il naturale sobbalzare degli atomi. Questo aggiustamento è puramente geometrico e non richiede nuovi parametri o regolazioni, preservando la semplicità del metodo originale. Agisce come un filtro che impedisce all'algoritmo di arrivare troppo lontano nei reticoli aperti, pur rimanendo abbastanza flessibile da gestire il rumore termico presente nei materiali reali.

Il team ha testato il loro nuovo metodo, mSANN, contro l'algoritmo originale e il tradizionale metodo di partizione geometrica attraverso una vasta gamma di sistemi simulati. Nelle simulazioni bidimensionali di reticoli a nido d'ape e quadrati, i metodi originali hanno frequentemente identificato erroneamente il numero di vicini, contando spesso sei o cinque invece dei corretti tre o quattro. Il metodo modificato, tuttavia, ha identificato costantemente il numero esatto di coordinazione per ogni particella, producendo una distribuzione netta e chiara che corrisponde alla struttura teorica. Nei test tridimensionali che coinvolgono strutture di diamante e grafite, che hanno anche bassi numeri di coordinazione, i metodi originali hanno nuovamente faticato a distinguere tra il primo e il secondo strato di vicini. La correzione mSANN ha risolto con successo questo problema, identificando il numero corretto di vicini in tutti i tipi di cristalli testati, inclusi i reticoli cubici semplici e cubici a corpo centrato.

I ricercatori hanno esaminato anche sistemi più complessi e disordinati, come i quasicristalli, che contengono un mix di diverse forme e conteggi di vicini. In questi ambienti eterogenei, l'originale metodo dell'angolo solido creava talvolta false connessioni attraverso le diagonali di spazi quadrati, fondendo effettivamente regioni separate. L'algoritmo modificato ha evitato questi collegamenti spurii, preservando la vera topologia della struttura. Inoltre, nei sistemi in cui coesistono fasi diverse, come un confine tra un cristallo e una regione disordinata, il nuovo metodo ha fornito un'identificazione coerente dei vicini attraverso l'interfaccia, mentre gli altri metodi mostravano significative incongruenze. Questa robustezza suggerisce che la modifica è particolarmente preziosa per studiare materiali che non sono perfettamente ordinati, dove l'ambiente locale varia significativamente da un punto all'altro.

Oltre all'accuratezza, i ricercatori si sono preoccupati della velocità di calcolo, poiché l'identificazione dei vicini è un passaggio fondamentale in molte simulazioni su larga scala. Hanno implementato il loro algoritmo in modo da sfruttare la potenza di calcolo moderna, utilizzando l'elaborazione parallela per gestire i calcoli in modo efficiente. I loro benchmark hanno mostrato che per sistemi piccoli con meno di mille particelle, il tradizionale metodo geometrico rimane l'opzione più veloce. Tuttavia, man mano che la dimensione del sistema cresce, l'algoritmo modificato diventa significamente più veloce, superando il metodo tradizionale di quasi il doppio in velocità per sistemi molto grandi contenenti milioni di particelle. Questa efficienza, unita alla migliore accuratezza negli ambienti a bassa densità, rende il nuovo metodo uno strumento potente per analizzare materiali complessi.

Il lavoro dimostra che un esame attento della geometria sottostante di un problema può portare a miglioramenti significativi nel modo in cui modelliamo il mondo fisico. Riconoscendo che la definizione di vicino del metodo originale era troppo permissiva nelle strutture aperte, i ricercatori sono stati in grado di introdurre una correzione che è sia matematicamente elegante che praticamente efficace. L'algoritmo modificato non si limita a correggere un errore specifico; fornisce un modo più affidabile per mappare la struttura locale della materia, dai reticoli rigidi dei cristalli alle fluttuanti disposizioni delle fasi disordinate. Per gli scienziati che studiano il comportamento dei materiali alla scala atomica, avere uno strumento in grado di contare accuratamente i vicini senza confondersi con i vuoti tra di essi è un passo cruciale verso la comprensione delle proprietà dei materiali che compongono il nostro mondo.