Linear response for machine-learned interatomic potentials: phonons at arbitrary wave vectors from the primitive cell

I solidi non sono i blocchi rigidi e immutabili che sembrano essere. Anche in un cristallo duro come il diamante o tenero come il piombo, gli atomi vibrano costantemente, oscillando in un ritmo collettivo e complesso. Queste vibrazioni, note come fononi, sono il battito cardiaco di un materiale. Esse determinano come un solido si espande quando viene riscaldato, come conduce l'elettricità e persino se può diventare un superconduttore, trasportando corrente senza resistenza. Per comprendere queste proprietà, gli scienziati devono mappare la "musica" del cristallo: le frequenze specifiche alle quali gli atomi vibrano e la velocità con cui queste vibrazioni si propagano attraverso il materiale. Per decenni, il modo standard per farlo è stato quello di costruire una versione massiccia e artificiale del cristallo in una simulazione al computer, dare una leggera spinta agli atomi e osservare come reagiscono. Questo metodo funziona, ma è come cercare di sentire una singola nota in una sinfonia registrando l'intera orchestra in una sala gigantesca; è lento, e la dimensione della sala limita la chiarezza del suono.

Un nuovo studio condotto dai ricercatori della Ruhr University Bochum offre una strada diversa, una che taglia il rumore per ascoltare la musica direttamente. Il team, guidato da Thalis H. B. da Silva, Hai-Chen Wang e Miguel A. L. Marques, ha sviluppato un modo per calcolare esattamente queste vibrazioni atomiche, senza la necessità di costruire le massicce strutture cristalline artificiali che sono diventate la norma. Hanno applicato il loro metodo a una nuova generazione di modelli informatici chiamati potenziali interatomici basati sull'apprendimento automatico (machine-learned interatomic potentials). Questi modelli sono addestrati su enormi quantità di dati per prevedere come gli atomi interagiscono e stanno diventando lo strumento d'elezione per la scoperta di nuovi materiali. Tuttavia, poiché questi modelli sono così sofisticati, si basano su informazioni provenienti da atomi che si trovano molto distanti, estendendo i limiti dell'approccio tradizionale della "gigantesca sala". I ricercatori hanno dimostrato che trattando la vibrazione come un'onda che fluisce attraverso l'unità edilizia più semplice possibile del cristallo, possono calcolare il comportamento esatto dell'intero materiale, indipendentemente da quanto gli atomi possano influenzarsi a vicenda.

Il cuore del problema risiede nel modo in cui funzionano questi moderni modelli informatici. Sono costruiti come una serie di strati, dove ogni strato passa informazioni al successivo, molto simile a un gioco del telefono senza fili. Nelle versioni più profonde e accurate di questi modelli, l'informazione può viaggiare su una distanza fino a 140 angstrom — un intervallo enorme alla scala atomica. Per catturare l'intera portata di questa influenza utilizzando il vecchio metodo, gli scienziati dovrebbero costruire una cella di simulazione contenente migliaia di atomi. Ciò è spesso impossibile a causa dell'enorme potenza di calcolo richiesta. Quando i ricercatori sono costretti a utilizzare celle più piccole, tagliano di fatto le interazioni a lungo raggio, introducendo errori che possono essere difficili da individuare. In alcuni casi, questi errori sono piccoli, ma in altri sono catastrofici, portando il computer a predire che un materiale stabile sia in realtà instabile e destinato a sfaldarsi, quando in realtà è perfettamente integro.

I ricercatori hanno risolto questo problema cambiando completamente prospettiva. Invece di costruire una cella gigante e darle una spinta, si sono posti una domanda diversa: cosa succede se gli atomi nella più piccola unità possibile del cristallo vengono sollecitati secondo un particolare schema ondulatorio? Hanno applicato un trucco matematico, simile a uno utilizzato nella fisica quantistica da decenni, in cui la spinta è modulata da una fase che si sposta fluidamente da un atomo all'altro. Questo permette al computer di calcolare la risposta dell'intero cristallo infinito guardando solo la minuscola unità primitiva. Il metodo è esatto. Non approssima le forze a lungo raggio; le calcola precisamente, indipendentemente da quanto lontano arrivino. I ricercatori hanno testato questo approccio su due diversi tipi di modelli basati sull'apprendimento automatico, uno chiamato NequIP e un altro chiamato Prophet, e hanno scoperto che il loro nuovo metodo riproduceva i risultati dei calcoli su supercelle massicce entro i limiti della precisione informatica, ma senza l'enorme costo computazionale.

I risultati di questo nuovo approccio rivelano quanto il vecchio metodo stesse perdendo. Quando i ricercatori hanno confrontato i loro calcoli esatti con il metodo standard della supercella per vari materiali, tra cui silicio, diamante e un minerale complesso chiamato caolinite, le differenze sono state sorprendenti. Per cristalli semplici e altamente simmetrici come il silicio, gli errori nel vecchio metodo erano piccoli ma misurabili, con uno scarto di circa 0,3 - 0,7 terahertz in frequenza. Per la più complessa e a bassa simmetria caolinite, l'errore era enorme, raggiungendo i 3,4 terahertz. Ancora più allarmante, il vecchio metodo prevedeva che la caolinite avesse frequenze "immaginarie", un segnale matematico che il materiale sarebbe stato dinamicamente instabile e sarebbe crollato. Il nuovo metodo non mostrava tale instabilità, provando che il vecchio approccio aveva generato un falso allarme. L'errore non era un difetto del modello di apprendimento automatico in sé, ma un difetto nel modo in cui le vibrazioni venivano calcolate.

L'impatto va oltre il semplice ottenere i numeri delle frequenze. Molte proprietà importanti dei materiali dipendono non solo dall'altezza della vibrazione, ma anche da come tale altezza cambia muovendosi attraverso il cristallo. Queste derivate determinano la velocità di gruppo, ovvero la velocità con cui il calore viaggia attraverso il materiale. I ricercatori hanno scoperto che anche quando il vecchio metodo otteneva la frequenza corretta, falliva miseramente nel calcolare la velocità. Per il silicio, le velocità di gruppo calcolate con il vecchio metodo erano errate di quasi il 7%, anche in punti in cui la frequenza era perfetta. Questo accade perché il vecchio metodo si affida al collegamento tra pochi punti calcolati e, se i punti sono troppo distanti, la linea tracciata tra essi è errata. Il nuovo metodo calcola la pendenza direttamente, fornendo una velocità accurata senza dover fare supposizioni. Questa precisione è fondamentale per prevedere la conducibilità termica, essenziale per progettare migliori sistemi elettronici e di gestione del calore.

Inoltre, il nuovo metodo consente agli scienziati di calcolare come queste vibrazioni cambiano quando il materiale viene compresso o teso, una proprietà nota come parametro di Grüneisen. Questo è fondamentale per comprendere l'espansione termica, ovvero perché i materiali si ingrandiscono quando si scaldano. Il vecchio metodo richiede di calcolare le vibrazioni a volumi leggermente diversi e confrontarle, un processo che può andare storto se le vibrazioni di due diversi modi si incrociano tra loro. Il nuovo metodo calcola il cambiamento in modo analitico, evitando del tutto questo vicolo cieco. Nel caso del silicio, il vecchio metodo prevedeva un'espansione termica tre o quattro volte superiore rispetto al reale a basse temperature, mentre il nuovo metodo riproduceva correttamente la sottile contrazione che il silicio subisce quando viene riscaldato da zero assoluto fino a circa 18 Kelvin.

I ricercatori hanno anche esaminato il costo dell'operazione. Per materiali con alta simmetria, come il diamante o il silicio, il nuovo metodo richiede circa lo stesso tempo del vecchio se entrambi vengono utilizzati per calcolare la stessa quantità di dati. Tuttavia, il nuovo metodo ha un vantaggio distinto: non richiede la memoria di una supercella gigante. Funziona con la più piccola unità possibile, il che significa che può essere eseguito su computer standard che sarebbero sopraffatti dalle richieste di memoria del vecchio approccio per i modelli profondi. Per i materiali senza simmetria, come la complessa caolinite, il nuovo metodo è in realtà più lento, richiedendo cinque o sei volte più tempo, ma è l'unico modo per ottenere la risposta corretta senza troncare le forze. Il compromesso è chiaro: il vecchio metodo è più veloce ma spesso errato, specialmente per materiali complessi o modelli profondi, mentre il nuovo metodo è esatto e affidabile, sebbene talvolta più dispendioso dal punto di vista computazionale per casi specifici.

Questo lavoro rappresenta un cambiamento significativo nel modo in cui simuliamo il mondo fisico. Eliminando la necessità di supercelle artificiali e massicce, i ricercatori hanno separato l'errore del modello dall'errore del calcolo. In passato, se una simulazione forniva una risposta errata, era impossibile dire se il modello di apprendimento automatico fosse scadente o se il metodo di calcolo fosse difettoso. Ora, con questo riferimento esatto, gli scienziati possono fidarsi del fatto che il modello stia facendo ciò che deve fare. Il metodo non è solo un miglioramento teorico; è uno strumento pratico che è già stato applicato a materiali reali, rivelando errori che prima erano nascosti in piena vista. Man mano che i modelli di apprendimento automatico diventano più profondi e complessi, raggiungendo intervalli che nessuna supercella fisica potrebbe mai contenere, questo nuovo approccio assicura che possiamo ancora ascoltare la vera musica degli atomi, senza la distorsione di una stanza troppo piccola.