🔬 materials science

Abinit 2025: New Capabilities for the Predictive Modeling of Solids and Nanomaterials

Dit artikel presenteert de significante wetenschappelijke en technische vooruitgang in het Abinit-softwarepakket over de afgelopen vijf jaar, waarbij nieuwe mogelijkheden in grondtoestand- en aangeslagen-toestandsmethodologieën, GPU-versnelde high-performance computing, second-principles modellering en geautomatiseerde workflows worden belicht die zijn ontworpen om hoogdoorvoerende voorspellende modellering van vaste stoffen en nanomaterialen te ondersteunen.

Oorspronkelijke auteurs: Matthieu J. Verstraete, Joao Abreu, Guillaume E. Allemand, Bernard Amadon, Gabriel Antonius, Maryam Azizi, Lucas Baguet, Clementine Barat, Louis Bastogne, Romuald Bejaud, Jean-Michel Beuken, Jordan Bi

Gepubliceerd 2026-01-27

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Matthieu J. Verstraete, Joao Abreu, Guillaume E. Allemand, Bernard Amadon, Gabriel Antonius, Maryam Azizi, Lucas Baguet, Clementine Barat, Louis Bastogne, Romuald Bejaud, Jean-Michel Beuken, Jordan Bieder, Augustin Blanchet, Francois Bottin, Johann Bouchet, Julien Bouquiaux, Eric Bousquet, James Boust, Fabien Brieuc, Veronique Brousseau-Couture, Nils Brouwer Fabien Bruneval, Alois Castellano, Emmanuel Castiel, Jean-Baptiste Charraud, Jean Clerouin, Michel Cote, Clement Duval, Alejandro Gallo, Frederic Gendron, Gregory Geneste, Philippe Ghosez, Matteo Giantomassi, Olivier Gingras, Fernando Gomez-Ortiz, Xavier Gonze, Felix Antoine Goudreault, Andreas Gruneis, Raveena Gupta, Bogdan Guster, Donald R. Hamann, Xu He, Olle Hellman, Natalie Holzwarth, Francois Jollet, Pierre Kestener, Ioanna-Maria Lygatsika, Olivier Nadeau, Lorien MacEnulty, Enrico Marazzi, Maxime Mignolet, David D. O'Regan, Robinson Outerovitch, Charles Paillard, Guido Petretto, Samuel Ponce, Francesco Ricci, Gian-Marco Rignanese, Mauricio Rodriguez-Mayorga, Aldo H. Romero, Samare Rostami, Miquel Royo, Marc Sarraute, Alireza Sasani, Francois Soubiran, Massimiliano Stengel, Christian Tantardini, Marc Torrent, Victor Trinquet, Vasilii Vasilchencko, David Waroquiers, Asier Zabalo, Austin Zadoks, Huazhang Zhang, Josef Zwanziger

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je Abinit voor als een superkrachtige, digitale microscoop die wetenschappers in staat stelt om te zien en te voorspellen hoe atomen en elektronen zich binnen materialen gedragen, zonder dat ze ooit chemicaliën in een laboratorium hoeven te mengen. Al 25 jaar lang is deze software een hoeksteen van de materiaalkunde. Dit nieuwe artikel, gedateerd juni 2025, is als een "Versie 2025" update-logboek, dat een enorme revisie laat zien die de microscoop scherper, sneller en in staat stelt om dingen te zien die hij voorheen niet kon zien.

Hier is een overzicht van de nieuwe mogelijkheden, uitgelegd aan de hand van alledaagse analogieën:

1. De "Grondtoestand"-upgrade: Controle over de chaos

In de natuurkunde is de "grondtoestand" de rustige, stabiele positie van een materiaal.

Constrained DFT (De "Verkeersregelaar"): Voorheen, als wetenschappers een specifiek atoom een specifieke hoeveelheid elektrische lading of magnetisme wilden laten vasthouden, gokte de software en zat er vaak net naast. De nieuwe Constrained DFT werkt als een strikte verkeersregelaar. Het kan nu een atoom dwingen om exact de juiste hoeveelheid lading of spin vast te houden, waardoor onderzoekers "wat-als"-scenario's kunnen bestuderen, zoals wat er gebeurt als je kunstmatig extra elektronen aan een materiaal toevoegt (fotodoping) of specifieke magnetische toestanden bestudeert die van nature moeilijk te bereiken zijn.
High-Temperature DFT (De "Hittegolf"): Standaard simulaties lopen meestal vast wanneer het te heet wordt (zoals in een ster of een nucleaire explosie). De nieuwe Extended DFT en Thermal Functionals zijn als het toevoegen van een hitteschild aan de microscoop. Ze stellen de software in staat om materialen te simuleren in "warm dense matter"-toestanden—verzengend hete, hoge-druk omgevingen waar elektronen zich gedragen als een chaotisch gas—zonder dat de simulatie crasht.
Meta-GGA (De "High-Definition Lens"): De software gebruikt nu een meer geavanceerde wiskundige lens genaamd meta-GGA. Denk aan standaard lenzen die een wazig beeld geven; deze nieuwe lens ziet de "textuur" van de elektronwolken (kinetische energiedichtheid) in veel hogere definitie, wat leidt tot nauwkeurigere voorspellingen over hoe materialen bij elkaar blijven.

2. Het onzichtbare zien: Respons en trillingen

Materialen zitten niet alleen maar stil; ze trillen en reageren op velden.

Flexo-elektriciteit (Het "Buig-effect"): Stel je voor dat je een liniaal buigt. Meestal denken we aan het uitrekken ervan. Maar als je het ongelijkmatig buigt (een gradiënt creëert), kan het elektriciteit genereren. De nieuwe software kan nu deze flexo-elektriciteit berekenen, wat cruciaal is voor het begrijpen van hoe minuscule, flexibele elektronica zou kunnen werken.
Phonon Angular Momentum (De "Draaiende Dans"): Atomen in een kristal trillen als dansers. In sommige kristallen bewegen deze dansers niet alleen op en neer; ze draaien ook. De software kan nu dit phonon angular momentum berekenen, wat wetenschappers helpt te begrijpen hoe licht en magnetisme interageren met deze draaiende trillingen, vooral in "chirale" (handige) kristallen.
Polars (De "Zelfgevangen Dansers"): Soms raakt een elektron zo enthousiast dat het de atomen om zich heen meesleept in een klein wolkje. Dit wordt een polaron genoemd. De nieuwe tools kunnen nu zowel zwakke als sterke versies van dit "zelfvangen" simuleren, wat wetenschappers helpt begrijpen hoe elektriciteit door materialen beweegt die een beetje "plakkerig" zijn.

3. De "Aangeslagen Toestand"-suite: Verder kijken dan de rust

De meeste simulaties kijken naar materialen in rust. Maar wat gebeurt er als je ze raakt met een laser of een sterk elektrisch veld?

Real-Time TDDFT (De "Slow-Motion Camera"): In plaats van alleen het eindresultaat van een laserpuls te voorspellen, werkt de nieuwe Real-Time TDDFT als een slow-motion camera. Het simuleert de beweging van elektronen seconde per seconde terwijl ze reageren op intens licht, waardoor wetenschappers de dynamische dans van elektronen in realtime kunnen zien.
GW en DMFT (De "Expert-Consultants"): Voor materialen waar elektronen zeer dicht op elkaar zitten en sterk met elkaar interageren (zoals in supergeleiders), voldoen de standaardregels niet. De software heeft nu betere "consultants" (GW-benadering en Dynamical Mean Field Theory) die deze complexe sociale interacties tussen elektronen kunnen afhandelen, wat een veel nauwkeuriger beeld geeft van de werkelijke energieniveaus van het materiaal.
Coupled Cluster (De "Precisie-Partner"): De software kan nu direct communiceren met een ander gespecialiseerd programma genaamd Cc4s. Zie dit als Abinit die een moeilijk wiskundig probleem overdraagt aan een specialist die het met extreme precisie oplost, om vervolgens het antwoord terug te geven. Dit maakt ultra-nauwkeurige berekeningen van vaste stoffen mogelijk.

4. Snelheid en Kracht: De GPU-revolutie

De meest dramatische verandering is hoe snel de software draait.

GPU-Acceleratie (De "Formule 1-motor"): Jarenlang draalden deze berekeningen op standaard computerprocessors (CPU's). De nieuwe versie is volledig herschreven om te draaien op Graphics Processing Units (GPU's)—dezelfde chips die worden gebruikt voor high-end videogames.
- De Analogie: Als de oude CPU-versie een enkele fietser was, dan is de nieuwe GPU-versie een peloton van 100 fietsers die in perfecte formatie rijden.
- Het Resultaat: Simulaties die vroeger dagen of weken duurden, kunnen nu in uren of minuten worden voltooid. Het artikel vermeldt versnellingen van 10 tot 40 keer, waardoor wetenschappers materialen met duizenden atomen kunnen simuleren op een enkele computernode.

5. Automatisering en Workflow: De "Productielijn"

Het berekenen van één materiaal is moeilijk; het berekenen van duizenden is onmogelijk zonder hulp.

High-Throughput Workflows (De "Assemblagelijn"): Het artikel introduceert nieuwe tools (AbiPy, Atomate2, AiiDA) die fungeren als een geautomatiseerde productielijn. Je kunt een lijst van 1.000 verschillende materialen in het systeem voeren, en het zal automatisch:
1. Het experiment opzetten.
2. De simulatie uitvoeren.
3. Controleren op fouten.
4. De resultaten organiseren.
- Dit stelt onderzoekers in staat om enorme databases met materialen te screenen om de perfecte kandidaat voor een batterij of zonnecel te vinden zonder menselijke tussenkomst.
Machine Learning Sampling (De "Slimme Verkenner"): Een nieuwe tool genaamd MLACS gebruikt machine learning om als een "slimme verkenner" te fungeren. In plaats van elk enkel moment van de beweging van een materiaal te simuleren (wat traag is), leert het de patronen en voorspelt het de belangrijkste momenten, waardoor het onderzoek naar hoe materialen zich bij hoge temperaturen gedragen drastisch wordt versneld.

Samenvatting

Kortom, Abinit 2025 is een enorme upgrade. Het is nu heter (kan extreme temperaturen simuleren), scherper (nauwkeurigere wiskunde), sneller (draait op videogame-chips) en slimmer (kan de ontdekking van nieuwe materialen automatiseren). Het transformeert de software van een krachtige rekenmachine naar een uitgebreide, geautomatiseerde ontdekkingsmachine voor de volgende generatie materialen.

Technische Samenvatting: Abinit 2025: Nieuwe Mogelijkheden voor de Voorspellende Modellering van Vaste Stoffen en Nanomaterialen

Probleemstelling
Het vakgebied van de computationele materiaalkunde staat voor toenemende eisen om complexe systemen onder extreme omstandigheden (hoge temperatuur, sterke correlaties, defecten) te simuleren en om de kloof tussen first-principles nauwkeurigheid en mesoscopische schalen te overbruggen. Hoewel Density Functional Theory (DFT) een standaardinstrument is, hebben traditionele implementaties vaak moeite met hoogtemperatuurregimes (de "orbitaalwand"), sterk gecorreleerde elektronische systemen en de computationele kosten van high-throughput screening. Bovendien vereist de integratie van machine learning, high-performance computing (HPC) op GPU-architecturen en geautomatiseerde workflows robuuste, flexibele en interoperabele softwareframeworks. Dit artikel behandelt de noodzaak om de Abinit-software suite bij te werken om aan deze evoluerende uitdagingen te voldoen, waarbij de voorspellende capaciteiten voor grondtoestanden, aangeslagen toestanden en respons-eigenschappen worden verbeterd en de prestaties op moderne hardware worden geoptimaliseerd.

Methodologie en Technische Implementatie
Het artikel beschrijft een uitgebreide reeks methodologische en technische verbeteringen die in de afgelopen vijf jaar in Abinit zijn geïmplementeerd.

Grondtoestand en Constrained DFT:
- Constrained DFT (cDFT): Een nieuw Potential-based Lagrange Multiplier (PLM-cDFT) algoritme is geïmplementeerd om precieze beperkingen op atomaire ladingen en magnetisatievectoren op te leggen. Dit maakt het mogelijk om aangeslagen toestanden, ladingsoverdrachten en gelokaliseerde excitaties met willekeurige numerieke precisie te bestuderen, wat discrepanties in magnetische materialen zoals $YBaCo_4O_7$ oplost.
- Fotodoping: Er is een schema geïntroduceerd om fotogestuurde structurele deformaties na te bootsen via geconstreerde bezettingsgetallen (quasi-Fermi-energieën), wat structurele relaxatie in aangeslagen toestanden mogelijk maakt.
- Hoogtemperatuur DFT: Om de "orbitaalwand" in warm dicht materiaal (warm dense matter) aan te pakken, is een uitgebreid plane-wave model geïmplementeerd, waarbij hoogenergetische toestanden als vrije elektronen worden behandeld. Daarnaast zijn thermische uitwisselings-correlatiefunctionals (bijv. corr-KSDT, KDT16) geïntegreerd om effecten van elektronische temperatuur mee te nemen.
- Meta-GGA Functionals: Volledige ondersteuning voor meta-GGA functionals (inclusclusief SCAN, rSCAN, r2SCAN) is uitgebreid naar zowel Projector Augmented Wave (PAW) als norm-conserverende pseudopotential frameworks, gebruikmakend van kinetische energiedichtheid en Laplacian-termen.
- Orbitaal Magnetisme: Implementaties voor het berekenen van orbitaal magnetisme en magnetische afscherming (NMR) zijn toegevoegd, inclusief volledige behandelingen voor diamagnetische isolatoren en atoomgecentreerde benaderingen voor antiferromagneten, met ondersteuning voor spin-orbit koppeling via ZORA.
Respons-eigenschappen en Perturbaties:
- Ruimtelijke Dispersie: Nieuwe mogelijkheden maken de berekening van natuurlijke optische activiteit (NOA) en flexo-elektriciteit (zowel clamped-ion als lattice-mediated) mogelijk met norm-conserverende pseudopotentials.
- Fonon Impuls: De Anaddb-utility is bijgewerkt om fonon impulsmoment te berekenen in systemen die geen inversiesymmetrie bezitten.
- Elektron-Fonon Interactie: Het framework is uitgebreid met transporteigenschappen via de Boltzmann Transport Equation (BTE) met zowel de Relaxation Time Approximation (RTA) als de Iterative BTE (IBTE), evenals de Kubo-Greenwood formalisme voor systemen met sterke koppeling. Nieuwe methoden voor het berekenen van polaron bindingsenergieën (zwakke en sterke koppelingsregimes) en band-gap renormalisatie zijn geïntroduceerd.
- Databases: Het derivative database (DDB) formaat is bijgewerkt naar NetCDF, inclusief metadata en ondersteuning voor hogere-orde afgeleiden (bijv. Berry-kromming).
Aangeslagen Toestanden en Many-Body Perturbation Theory:
- Real-Time TDDFT: Implementatie van real-time time-dependent DFT (RT-TDDFT) maakt simulaties van elektronendynamica onder sterke perturbaties (bijv. laserpulsen) en niet-adiabatische moleculaire dynamica mogelijk.
- GW en DMFT: De GW-benadering omvat nu de berekening van de one-body reduced density matrix (met behulp van geliniariseerde Dyson-vergelijkingen) en low-scaling GW (GWR) in real space/imaginary time. Dynamical Mean-Field Theory (DMFT) implementaties zijn geoptimaliseerd, inclusclusief snellere Green's functie berekeningen en integratie met CT-QMC solvers (TRIQS).
- Coupled Cluster: Er is een interface met de Cc4s code opgezet om Coulomb-integralen te exporteren voor hoog-nauwkeurige post-Hartree-Fock berekeningen (CCSD, CCSD(T)) in periodieke systemen.
- Effectieve Interacties: De automatische berekening van Hubbard $U$ en Hund's $J$ parameters via lineaire respons en de constrained random phase approximation (cRPA) is gerefactord.
High-Performance Computing (HPC) en Optimalisatie:
- GPU Versnelling: Een volledige herschrijving van de GPU-code met behulp van OpenMP offload directives maakt grondtoestand en DFPT berekeningen mogelijk op NVIDIA en AMD versnellers. Dit omvat geoptimaliseerde iteratieve diagonalisatie (Chebyshev filtering, LOBPCG) en niet-lokale operaties.
- Parallellisatie: Nieuwe band-geparalleliseerde DFPT algoritmen verminderen de geheugenvoetafdruk voor grote systemen. De RMM-DIIS eigen-solver is geïntegreerd om SCF-convergentie te versnellen.
- Build Systemen: Het build-systeem ondersteunt nu CMake naast Autotools, en pre-compiled binaries zijn beschikbaar via package managers (Spack, EasyBuild, etc.).
Multiscale en Workflows:
- Second-Principles: De Multibinit package (MB-EAP, MB-LWF, MB-SPIN) en de TDEP/aTDEP frameworks zijn verbeterd om effectieve modellen te construeren voor atomistische en spin-dynamica op mesoscopische schalen, inclusief temperatuurafhankelijke effectieve potentialen en substitutionele legeringen.
- Machine Learning: De Mlacs package is geïntegreerd om machine learning-ondersteunde canonical sampling uit te voeren, waarbij evenwichtsconfiguraties en interatomaire potentialen (MLIPs) worden getraind met behulp van Abinit-data.
- Automatisering: Workflows voor high-throughput berekeningen zijn ontwikkeld binnen AbiPy, Atomate2, en AiiDA, waarbij taken worden geautomatiseerd van inputgeneratie tot post-processing (bijv. luminescentie spectra, thermische expansie, SHG tensoren).

Belangrijkste Resultaten en Mogelijkheden

Prestaties: GPU-versnelde versies van Abinit vertonen versnellingen van 10–30x voor LOBPCG en tot wel 40x voor Chebyshev filtering vergeleken met CPU-only runs op equivalente node-aantallen, wat de convergentie van grondtoestanden voor systemen met duizenden atomen mogelijk maakt.
Nauwkeurigheid: De PLM-cDFT implementatie heeft succesvol experimentele magnetische momenten in $YBaCo_4O_7$ gereproduceerd waar conventionele DFT+U faalde. Het uitgebreide DFT-model heeft succesvol equation-of-state tabellen gegenereerd voor materialen zoals waterstof en ijzer tot ideale plasma-temperaturen.
Nieuwe Fysica: De code heeft succesvol fonon impulsmoment, flexo-elektriciteit coëfficiënten en polaronische toestanden (bijv. in LiF) berekend vanuit first principles.
Workflow Integratie: Geautomatiseerde workflows zijn gevalideerd voor het berekenen van luminescentie spectra van defecten, thermische expansiecoëfficiënten via Quasi-Harmonic Approximation (QHA), en second-harmonic generation (SHG) tensoren voor grote datasets.

Betekenis en Claims
Het artikel beweert dat deze updates de reikwijdte van Abinit aanzienlijk hebben uitgebreid, waarmee de positie van de software als een veelzijdige tool voor computationele materiaalkunde wordt versterkt. Belangrijke bijdragen zijn:

Schalen Overbruggen: De integratie van second-principles methoden (Multibinit, TDEP) en machine learning (Mlacs) maakt het mogelijk om fenomenen (faseovergangen, domeinwanden) te simuleren op lengte- en tijdschalen die ontoegankelijk zijn voor directe DFT, terwijl de kwantummechanische nauwkeurigheid behouden blijft.
Extreme Condities: De implementatie van thermische functionals en uitgebreide DFT-modellen maakt de voorspellende modellering van warm dicht materiaal en plasma's mogelijk, een regime dat voorheen moeilijk toegankelijk was voor standaard plane-wave codes.
High-Throughput en Reproduceerbaarheid: De ontwikkeling van robuuste interfaces met AbiPy, Atomate2, en AiiDA faciliteert de automatisering van duizenden berekeningen, wat zorgt voor reproduceerbaarheid en maakt grootschalige materiaalscreening mogelijk.
Hardware Adaptatie: De modernisering van de code voor GPU-versnellers zorgt ervoor dat Abinit concurrerend blijft in het tijdperk van exascale computing, wat substantiële energie- en tijdbesparingen biedt voor grote systemen.

De auteurs benadrukken dat de software open-source blijft, wat een collaboratieve omgeving bevordert voor ontwikkelaars en gebruikers om deze capaciteiten verder uit te breiden naar relativistische behandelingen, niet-adiabatische dynamica en geavanceerde many-body technieken.