Density functional perturbation theory of meta-generalized gradient approximations using algorithmic differentiation

Per comprendere come si comportano i materiali, dal silicio di un microchip alla ceramica di un motore a reazione, gli scienziati si affidano a un potente insieme di regole chiamato teoria del funzionale della densità. Questo quadro teorico permette ai ricercatori di prevedere le proprietà fisiche e chimiche della materia osservando come gli elettroni si dispongono attorno ai nuclei atomici. Per decenni, un metodo specifico all'interno di questo quadro è stato il gold standard per capire come i materiali reagiscono quando vengono spinti, tirati o riscaldati. Questo metodo, noto come teoria delle perturbazioni del funzionale della densità, calcola queste reazioni con alta precisione, rivelando tutto, dalle vibrazioni di un cristallo alla conduzione dell'elettricità. Tuttavia, man mano che gli scienziati cercavano previsioni più accurate, si sono scontrati con un muro. Le formule più avanzate disponibili oggi, che offrono un'immagine più nitida della realtà, sono incredibilmente difficili da utilizzare con questo metodo di calcolo delle reazioni. La matematica necessaria per farle funzionare è così intricata che la maggior parte dei programmi informatici semplicemente non riesce a gestirle, lasciando i ricercatori bloccati con strumenti meno accurati o costretti a eseguire calcoli lenti e goffi per portare a termine il lavoro.

Un team di ricercatori dell'École Polytechnique Fédérale de Lausanne ha trovato un modo per abbattere questa barriera. Hanno sviluppato un nuovo approccio che consente l'uso fluido di queste formule avanzate ad alta precisione all'interno del quadro di calcolo delle reazioni. Utilizzando una tecnica chiamata differenziazione algoritmica, che consiste essenzialmente nell'insegnare al computer di calcolare le proprie derivate passo dopo passo, hanno bypassato la necessità per gli esseri umani di derivare manualmente espressioni matematiche complesse per ogni nuova formula. Questa innovazione significa che gli scienziano possono ora computare istantaneamente come i materiali rispondono alle forze esterne utilizzando i modelli più sofisticati disponibili. I ricercatori hanno testato il loro metodo su due materiali importanti, lo zinco ossido e il titanato di bario, e hanno scoperto che il loro nuovo approccio produceva risultati significativamente più vicini alla realtà sperimentale rispetto ai metodi precedenti. Inoltre, hanno dimostrato che questo strumento può essere utilizzato per addestrare modelli di intelligenza artificiale per creare formule ancora migliori, un compito che era precedentemente troppo difficile da tentare.

Il cuore di questo traguardo risiede nel modo in cui i ricercatori hanno gestito la "densità dell'energia cinetica", un pezzo specifico di informazione su quanto velocemente si muovono gli elettroni all'interno di un materiale. Nelle formule più avanzate, l'energia del sistema dipende non solo da quanti elettroni ci sono in un punto, ma anche da questa densità di energia cinetica. Sebbene questo dettaglio aggiuntivo renda le formule molto più accurate, rende anche la matematica per il calcolo delle reazioni incredibilmente disordinata. Tradizionalmente, per utilizzare queste formule, un ricercatore avrebbe dovuto sedersi e scrivere un insieme unico e complicato di equazioni per ogni singola nuova formula che voleva testare. Questo processo è lento, incline all'errore umano e ha impedito a molte di queste formule avanzate di essere utilizzate nelle simulazioni informatiche standard. Il nuovo metodo elude l'intero problema. Invece di chiedere a un essere umano di scrivere le equazioni disordinate, i ricercatori hanno lasciato che il computer facesse il lavoro. Hanno trattato il calcolo di queste reazioni come una serie di piccoli passaggi gestibili che il computer poteva differenziare automaticamente.

Immaginate di cercare di trovare la pendenza di una strada molto complessa e tortuosa. In passato, avreste dovuto fermarvi e calcolare manualmente la pendenza per ogni singola curva utilizzando una regola specifica per quella esatta forma. Il nuovo metodo è come avere un'auto che può misurare la propria pendenza istantaneamente mentre guida, senza bisogno di una mappa pre-scritta della forma della strada. I ricercatori hanno applicato questo concetto al mondo degli elettroni. Hanno costruito un sistema in cui il computer calcola come la densità elettronica risponde a una perturbazione, come l'allungamento del materiale o l'applicazione di un campo elettrico, differenziando automaticamente il codice sottostante. Ciò ha permesso loro di estendere il proprio software per gestire le formule avanzate che dipendono dalla densità dell'energia cinetica, un'impresa che era rimasta in gran parte fuori portata per le simulazioni informatiche standard.

Per dimostrare che il loro metodo funzionava, il team lo ha applicato a due materiali del mondo reale: lo zinco ossido, utilizzato nell'elettronica e nei dispositivi piezoelettrici, e il titanato di bario, un classico materiale ferroelettrico utilizzato nei condensatori. Hanno calcolato una vasta gamma di proprietà, tra cui la rigidità dei materiali, il modo in cui generano elettricità quando vengono compressi e come interagiscono con i campi elettrici. Hanno confrontato i loro risultati sia con i dati sperimentali che con i calcoli provenienti da formule più vecchie e meno accurate. I risultati sono stati chiari: il nuovo metodo, utilizzando le formule avanzate, ha superato costantemente gli approcci precedenti. Per lo zinco ossido, i nuovi calcoli hanno previsto le dimensioni e la rigidità del materiale con un errore inferiore all'uno percento rispetto alle misurazioni del mondo reale, mentre i metodi precedenti presentavano scostamenti dall'uno al due percento. Allo stesso modo, per il titanato di bario, il nuovo approccio ha fornito un quadro molto più accurato di come la struttura interna si sposti e di come risponda ai campi elettrici, eguagliando i risultati di tecniche di simulazione ancora più complesse e costose.

Oltre a calcolare semplicemente le proprietà, i ricercatori hanno dimostrato che questo strumento può essere utilizzato per insegnare ai computer come inventare formule migliori. Hanno utilizzato il loro sistema per addestrare una piccola rete neurale artificiale per agire come un nuovo funzionale di scambio-correlazione, che è il cuore matematico della simulazione. L'obiettivo era far sì che questa nuova formula imitasse i risultati di un metodo altamente accurato ma computazionalmente costoso noto come hybrid-DFT. I ricercatori hanno fornito al sistema i dati del silicio, un materiale fondamentale per l'industria elettronica. Hanno scoperto che quando il sistema veniva addestrato solo sui dati energetici, faticava a prevedere il comportamento del silicio in diverse condizioni. Tuttavia, quando hanno addestrato il sistema utilizzando anche la densità effettiva degli elettroni insieme all'energia, i risultati sono migliorati drasticamente. Il modello addestrato poteva prevedere accuratamente il comportamento del silicio in una fase ad alta pressione che non aveva mai visto prima, dimostrando che l'apprendimento dalla densità elettronica rende le formule risultanti molto più affidabili e trasferibili a nuove situazioni.

Questo lavoro rappresenta un passo avanti significativo nella capacità di simulare i materiali con alta precisione. Rimuovendo il collo di bottiglia manuale che ha impedito l'uso di formule avanzate, i ricercatori hanno aperto la porta a previsioni più accurate delle proprietà dei materiali. Ciò è cruciale per progettare nuovi materiali per l'accumulo di energia, l'elettronica e altre tecnologie in cui piccole differenze di prestazioni sono fondamentali. La capacità di calcolare queste reazioni rapidamente e accuratamente significa che gli scienziati possono ora esplorare una gamma più ampia di materiali e testare modelli più complessi senza essere frenati dai limiti computazionali. Sebbene l'attuale implementazione si basi su un tipo specifico di calcolo che limita il numero di parametri che si possono gestire contemporaneamente, il successo di questo approccio suggerisce che gli sviluppi futuri potrebbero portare a strumenti ancora più potenti. I ricercatori hanno reso il loro codice e i loro dati disponibili al pubblico, invitando altri a costruire su questa base e a perfezionare ulteriormente il modo in cui comprendiamo e progettiamo i materiali del futuro.