Systematic and accurate anharmonic formation free energies of metastable defects via a constrained Bayesian Adaptive Biasing Force framework

Nel mondo invisibile degli atomi, i materiali non sono mai perfettamente immobili. Anche in un blocco solido di metallo, gli atomi vibrano, si scambiano colpi e occasionalmente si scambiano di posto. Quando un materiale viene danneggiato dalle radiazioni o dal calore estremo, compaiono piccole imperfezioni chiamate difetti. Questi non sono solo buchi o pezzi mancanti; sono complessi riarrangiamenti dove gli atomi si accalcano insieme o lasciano vuoti dietro di sé. Gli scienziati sanno da tempo che, per prevedere come un materiale si comporterà sotto stress, devono comprendere l'energia di questi difetti. Tuttavia, calcolare questa energia è notoriamente difficile perché gli atomi non vibrano secondo schemi semplici e prevedibili. Al contrario, i loro movimenti sono caotici e interconnessi, un fenomeno noto come anarmonicità. Inoltre, molti di questi difetti sono metastabili, il che significa che sono bloccati in uno stato temporaneo e precario che può facilmente collassare in qualcos'altro se gli atomi si muovono anche solo di poco. Per decenni, questa complessità ha impedito ai ricercatori di costruire una biblioteca completa di come questi difetti si comportino a diverse temperature, lasciando un vuoto nella nostra capacità di progettare materiali per i reattori nucleari o l'esplorazione spaziale.

Un team di ricercatori dell'Université Paris-Saclay ha ora sviluppato un modo pratico per risolvere questo problema. Hanno creato un framework computazionale in grado di misurare accuratamente l'energia libera di formazione di questi difetti instabili senza perderne traccia. Nel loro studio, si sono concentrati sul ferro, un materiale fondamentale per l'energia nucleare, ed hanno esaminato migliaia di modi diversi in cui quattro atomi di ferro extra potrebbero raggrupparsi, così come il modo in cui quattro atomi mancanti (vacanze) potrebbero disporsi. La sfida era che le simulazioni al computer standard spesso falliscono qui: all'aumentare della temperatura, gli atomi vibrano così vigorosamente da sfuggire alla specifica forma del difetto che gli scienziati stanno studiando, causando il collasso del calcolo in uno stato diverso e non correlato. I ricercatori hanno superato questo ostacolo utilizzando un metodo chiamato "constrained Bayesian Adaptive Biasing Force". Questa tecnica agisce come una guida invisibile e gentile che mantiene gli atomi entro i confini della specifica forma del difetto che stanno investigando, correggendo matematicamente il fatto che gli atomi venivano trattenuti. Ciò consente al computer di campionare le vibrazioni caotiche e ad alta temperatura degli atomi senza che il difetto si sfaldi.

I risultati di questo lavoro sono un database sistematico e massiccio di valori energetici per centinaia di distinte configurazioni di difetti. I ricercatori hanno testato il loro metodo utilizzando due diversi tipi di modelli matematici per descrivere come interagiscono gli atomi: un modello tradizionale utilizzato per molti anni e un modello più recente, basato sull'apprendimento automatico (machine learning). Hanno scoperto che il modello tradizionale produceva paesaggi energetici irregolari e rugosi, rendendo difficile ottenere risultati coerenti, specialmente ad alte temperature. Al contrario, il modello di machine learning ha fornito un paesaggio molto più fluido, permettendo al metodo di operare con eccezionale stabilità e precisione. Il team ha eseguito migliaia di calcoli indipendenti, coprendo un ampio intervallo di temperature, e ha scoperto che il loro metodo falliva in meno dell'uno per cento dei casi. Questo livello di affidabilità è senza precedenti per sistemi di queste dimensioni, che contengono circa mille atomi. Hanno raggiunto un livello di accuratezza in cui l'incertezza nelle loro misurazioni energetiche è inferiore a un millesimo di elettronvolt per atomo, una precisione necessaria per fare previsioni reali sulla stabilità dei materiali.

Forse la cosa più importante è che lo studio ha rivelato una profonda connessione tra la semplicità della forma di un difetto e la complessità della sua energia. I ricercatori hanno scoperto che il comportamento caotico e ad alta temperatura degli atomi può essere previsto con sorprendente accuratezza semplicemente osservando le vibrazioni più semplici del difetto a bassa temperatura. Ciò suggerisce che la realtà complessa e disordinata del moto atomico ad alto calore non è del tutto casuale, ma è invece una versione ingrandita dei pattern più semplici osservati a temperature inferiori. Questa scoperta apre la porta all'uso di calcoli più semplici e veloci per stimare il comportamento dei difetti in condizioni estreme. Dimostrando che questo metodo vincolato funziona in modo affidabile attraverso migliaia di diverse forme di difetti e due diversi tipi di modelli atomici, i ricercatori hanno fornito uno strumento generale che può essere applicato a quasi ogni materiale. Questo lavoro rimuove un importante collo di bottiglia nella scienza dei materiali, offrendo una via chiara per comprendere come le più piccole imperfezioni di un materiale determinino la sua forza e la sua durata negli ambienti più ostili.