🔬 materials science

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

Este artigo apresenta os significativos avanços científicos e técnicos no pacote de software Abinit ao longo dos últimos cinco anos, destacando novas capacidades em metodologias de estado fundamental e de estado excitado, computação de alto desempenho acelerada por GPU, modelagem de segundos princípios e fluxos de trabalho automatizados projetados para apoiar a modelagem preditiva de alto rendimento de sólidos e nanomateriais.

Autores originais: 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

Publicado 2026-01-27

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: 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

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine o Abinit como um microscópio digital superpoderoso que permite aos cientistas ver e prever como os átomos e os eletrões se comportam dentro dos materiais, sem nunca precisarem de misturar produtos químicos num laboratório. Durante os últimos 25 anos, este software tem sido uma pedra angular da ciência dos materiais. Este novo artigo, datado de junho de 2025, é como um registo de atualização "Versão 2025", exibindo uma reformulação massiva que torna o microscópio mais nítido, mais rápido e capaz de ver coisas que anteriormente não conseguia.

Aqui está uma análise das novas capacidades, explicadas através de analogias do quotidiano:

1. A Atualização do "Estado Fundamental": Controlando o Caos

Na física, o "estado fundamental" é a posição calma e de repouso de um material.

DFT Constrita (O "Polícia de Trânsito"): Anteriormente, se os cientistas quisessem forçar um átomo específico a manter uma quantidade específica de carga elétrica ou magnetismo, o software tentava adivinhar e, muitas vezes, errava ligeiramente. O novo DFT Constrito atua como um polícia de trânsito rigoroso. Agora consegue forçar um átomo a manter exatamente a quantidade certa de carga ou spin, permitindo que os investigadores estudem cenários de "e se", como o que acontece se você adicionar artificialmente eletrões extra a um material (fotodopagem) ou estudar estados magnéticos específicos que são difíceis de alcançar naturalmente.
DFT de Alta Temperatura (A "Onda de Calor"): As simulações padrão costumam falhar quando as coisas ficam demasiado quentes (como dentro de uma estrela ou de uma explosão nuclear). O novo DFT Estendido e os Funcionais Térmicos são como adicionar um escudo térmico ao microscópio. Eles permitem que o software simule materiais em estados de "matéria densa quente" — ambientes escaldantes de alta pressão onde os eletrões se comportam como um gás caótico — sem que a simulação falhe.
Meta-GGA (A "Lente de Alta Definição"): O software utiliza agora uma lente matemática mais sofisticada chamada meta-GGA. Pense nas lentes padrão como vendo uma imagem desfocada; esta nova lente vê a "textura" das nuvens de eletrões (densidade de energia cinética) com uma definição muito mais alta, levando a previsões mais precisas de como os materiais se mantêm unidos.

2. Ver o Invisível: Respostas e Vibrações

Os materiais não ficam apenas parados; eles vibram e reagem a campos.

Flexoeletricidade (O "Efeito de Dobragem"): Imagine dobrar uma régua. Normalmente, pensamos sobre esticá-la. Mas se a dobrar de forma desigual (criando um gradiente), ela pode gerar eletricidade. O novo software pode agora calcular esta flexoeletricidade, que é crucial para compreender como funcionam os eletrónicos minúsculos e flexíveis.
Momento Angular de Fónons (A "Dança Giratória"): Os átomos num cristal vibram como dançarinos. Em alguns cristais, estes dançarinos não se limitam a mover-se para cima e para baixo; eles giram. O software pode agora calcular este momento angular de fónons, ajudando os cientistas a compreender como a luz e o magnetismo interagem com estas vibrações giratórias, especialmente em cristais "quirais" (com lateralidade definida).
Polares (Os "Dançarinos Auto-aprisionados"): Às vezes, um eletrão fica tão excitado que arrasta os átomos à sua volta para uma pequena nuvem. Isto chama-se pólaron. As novas ferramentas podem agora simular versões fracas e fortes deste "auto-aprisionamento", ajudando os cientistas a compreender como a eletricidade se move através de materiais que são um pouco "pegajosos".

3. A Suíte de "Estado Excitado": Olhando Além da Calma

A maioria das simulações observa os materiais em repouso. Mas o que acontece quando os atingimos com um laser ou um campo elétrico forte?

TDDFT em Tempo Real (A "Câmara de Câmara Lenta"): Em vez de apenas prever o resultado final de um pulso de laser, o novo TDDFT em Tempo Real atua como uma câmara de câmara lenta. Simula os eletrões a moverem-se segundo a segundo à medida que reagem à luz intensa, permitindo que os cientistas vejam a dança dinâmica dos eletrões em tempo real.
GW e DMFT (Os "Consultores Especialistas"): Para materiais onde os eletrões estão muito aglomerados e interagem fortemente (como nos supercondutores), as regras padrão falham. O software possui agora melhores "consultores" (aproximação GW e Teoria do Campo Médio Dinâmico) que podem lidar com estas interações sociais complexas entre eletrões, dando uma imagem muito mais precisa dos verdadeiros níveis de energia do material.
Coupled Cluster (O "Parceiro de Precisão"): O software pode agora comunicar diretamente com outro programa especializado chamado Cc4s. Pense nisto como o Abinit a entregar um problema matemático difícil a um especialista que o resolve com extrema precisão, e depois lhe devolve a resposta. Isto permite cálculos ultra-precisos de materiais sólidos.

4. Velocidade e Potência: A Revolução das GPUs

A mudança mais dramática é a velocidade com que o software corre.

Aceleração por GPU (O "Motor de Fórmula 1"): Durante anos, estes cálculos correram em processadores de computador padrão (CPUs). A nova versão foi completamente reescrita para correr em Unidades de Processamento Gráfico (GPUs) — os mesmos chips usados em videojogos de alta gama.
- A Analogia: Se a antiga versão de CPU era um ciclista solitário, a nova versão de GPU é um pelotão de 100 ciclistas a pedalar em perfeita formação.
- O Resultado: Simulações que antes demoravam dias ou semanas podem agora ser feitas em horas ou minutos. O artigo nota acelerações de 10 a 40 vezes mais rápidas, permitindo que os cientistas simulem materiais com milhares de átomos num único nó de computador.

5. Automação e Fluxo de Trabalho: A "Linha de Montagem"

Calcular um material é difícil; calcular milhares é impossível sem ajuda.

Fluxos de Trabalho de Alto Rendimento (A "Linha de Montagem"): O artigo introduz novas ferramentas (AbiPy, Atomate2, AiiDA) que atuam como uma linha de montagem automatizada. Pode alimentar o sistema com uma lista de 1.000 materiais diferentes, e ele irá automaticamente:
1. Configurar o experimento.
2. Executar a simulação.
3. Verificar erros.
4. Organizar os resultados.
- Isto permite que os investigadores façam a triagem de bases de dados massivas de materiais para encontrar o candidato perfeito para uma bateria ou célula solar sem intervenção humana.
Amostragem por Machine Learning (O "Explorador Inteligente"): Uma nova ferramenta chamada MLACS utiliza aprendizagem automática para atuar como um "explorador inteligente". Em vez de simular cada momento do movimento de um material (o que é lento), ela aprende os padrões e prevê os momentos mais importantes, acelerando drasticamente o estudo de como os materiais se comportam a altas temperaturas.

Resumo

Em suma, o Abinit 2025 é uma atualização massiva. É agora mais quente (consegue simular temperaturas extremas), mais nítido (matemática mais precisa), mais rápido (corre em chips de videojogos) e mais inteligente (pode automatizar a descoberta de novos materiais). Transforma o software de uma poderosa calculadora num motor de descoberta abrangente e automatizado para a próxima geração de materiais.

Resumo Técnico: Abinit 2025: Novas Capacidades para a Modelagem Preditiva de Sólidos e Nanomateriais

Definição do Problema
O campo da ciência dos materiais computacional enfrenta demandas crescentes para simular sistemas complexos sob condições extremas (alta temperatura, correlações fortes, defeitos) e para preencher a lacuna entre a precisão de primeiros princípios e as escalas mesoscópicas. Embora a Teoria do Funcional da Densidade (DFT) seja uma ferramenta padrão, as implementações tradicionais frequentemente lutam contra regimes de alta temperatura (a "parede orbital", orbital wall), sistemas eletrônicos fortemente correlacionados e o custo computacional de triagem de alto rendimento (high-throughput screening). Além disso, a integração de aprendizado de máquina, computação de alto desempenho (HPC) em arquiteturas de GPU e fluxos de trabalho automatizados requer estruturas de software robustas, flexíveis e interoperáveis. Este artigo aborda a necessidade de atualizar o conjunto de software Abinit para atender a esses desafios evolutivos, aumentando suas capacidades preditivas para estados fundamentais, estados excitados e propriedades de resposta, enquanto otimiza o desempenho em hardware moderno.

Metodologia e Implementação Técnica
O artigo detalha um conjunto abrangente de avanços metodológicos e técnicos implementados no Abinit ao longo dos últimos cinco anos.

Estado Fundamental e DFT Constrita:
- DFT Constrita (cDFT): Um novo algoritmo de Multiplicador de Lagrange baseado em Potencial (PLM-cDFT) foi implementado para impor restrições precisas sobre cargas atômicas e vetores de magnetização. Isso permite o estudo de estados excitados, transferências de carga e excitações localizadas com precisão numérica arbitrária, resolvendo discrepâncias em materiais magnéticos como $YBaCo_4O_7$ .
- Fotodopagem: Um esquema para mimetizar deformações estruturais fotoinduzidas via números de ocupação constritos (energias de quasi-Fermi) foi introduzido, permitindo a relaxação estrutural em estados excitados.
- DFT de Alta Temperatura: Para enfrentar a "parede orbital" na matéria densa quente, um modelo de onda plana estendido foi implementado, tratando estados de alta energia como elétrons livres. Adicionalmente, funcionais de troca-correlação térmicos (ex: corr-KSDT, KDT16) foram integrados para contabilizar efeitos de temperatura eletrônica.
- Funcionais Meta-GGA: O suporte total para funcionais meta-GGA (incluindo SCAN, rSCAN, r2SCAN) foi estendido tanto para estruturas de pseudopotenciais de Onda Plana (PAW) quanto para norm-conserving, utilizando densidade de energia cinética e termos de Laplaciano.
- Magnetismo Orbital: Implementações para o cálculo de magnetismo orbital e blindagem magnética (NMR) foram adicionadas, incluindo tratamentos completos para isolantes diamagnéticos e abordagens centradas no átomo para antiferromagnetos, com suporte para acoplamento spin-órbita via ZORA.
Propriedades de Resposta e Perturbações:
- Dispersão Espacial: Novas capacidades permitem o cálculo de atividade óptica natural (NOA) e flexoeletricidade (tanto de íon travado quanto mediada pela rede) usando pseudopotenciais norm-conserving.
- Momento Angular de Fônon: A utilidade Anaddb foi atualizada para calcular o momento angular de fônon em sistemas que carecem de simetria de inversão.
- Interação Elétron-Fônon: O framework foi expandido para incluir propriedades de transporte via Equação de Transporte de Boltzmann (BTE) usando tanto a Aproximação de Tempo de Relaxação (RTA) quanto a BTE Iterativa (IBTE), além do formalismo de Kubo-Greenwood para sistemas com acoplamento forte. Novos métodos para calcular energias de ligação de pólarons (regimes de acoplamento fraco e forte) e renormalização de band-gap foram introduzidos.
- Bancos de Dados: O formato do banco de dados de derivadas (DDB) foi atualizado para NetCDF, incluindo metadados e suporte para derivadas de ordem superior (ex: curvatura de Berry).
Estados Excitados e Teoria de Perturbação de Muitos Corpos:
- TDDFT em Tempo Real: A implementação de DFT dependente do tempo em tempo real (RT-TDDFT) permite a simulação da dinâmica eletrônica sob perturbações fortes (ex: pulsos de laser) e dinâmica molecular não-adiabática.
- GW e DMFT: A aproximação GW agora inclui o cálculo da matriz de densidade reduzida de um corpo (usando equações de Dyson linearizadas) e GW de baixa escala (GWR) em espaço real/tempo imaginário. As implementações de Teoria de Campo Médio Dinâmico (DMFT) foram otimizadas, incluindo cálculos de função de Green mais rápidos e integração com solvers CT-QMC (TRIQS).
- Cluster de Configuração (Coupled Cluster): Uma interface com o código Cc4s foi estabelecida para exportar integrais de Coulomb para cálculos de alta precisão pós-Hartree-Fock (CCSD, CCSD(T)) em sistemas periódicos.
- Interações Efetivas: O cálculo automatizado de parâmetros de Hubbard $U$ e Hund's $J$ via resposta linear e aproximação de fase aleatória randômica constrita (cRPA) foi refatorado.
Computação de Alto Desempenho (HPC) e Otimização:
- Aceleração por GPU: Uma reescrita completa do código GPU usando diretivas de offload OpenMP permite cálculos de estado fundamental e DFPT em aceleradores NVIDIA e AMD. Isso inclui diagonalização iterativa otimizada (filtragem de Chebyshev, LOBPCG) e operações não-locais.
- Paralelização: Novos algoritmos de DFPT paralelizados por banda reduzem a pegada de memória para sistemas grandes. O solver de autovalores RMM-DI_IS foi integrado para acelerar a convergência SCF.
- Sistemas de Build: O sistema de build agora suporta CMake ao lado de Autotools, e binários pré-compilados estão disponíveis via gerenciadores de pacotes (Spack, EasyBuild, etc.).
Multiescala e Fluxos de Trabalho:
- Segunda-Princípios: Os pacotes Multibinit (MB-EAP, MB-LWF, MB-SPIN) e os frameworks TDEP/aTDEP foram aprimorados para construir modelos efetivos para dinâmica atômica e de spin em escalas mesoscópicas, incluindo potenciais efetivos dependentes de temperatura e ligas substitucionais.
- Aprendizado de Máquina: O pacote Mlacs foi integrado para realizar amostragem canônica assistida por aprendizado de máquina, gerando configurações de equilíbrio e treinando potenciais interatômicos (MLIPs) usando dados do Abinit.
- Automação: Fluxos de trabalho para cálculos de alto rendimento foram desenvolvidos dentro do AbiPy, Atomate2 e AiiDA, automatizando tarefas desde a geração de inputs até o pós-processamento (ex: espectros de luminescência, expansão térmica, tensores SHG).

Principais Resultados e Capacidades

Desempenho: Versões aceleradas por GPU do Abinit demonstram acelerações de 10–30x para LOBPCG e até 40x para filtragem de Chebyshev comparadas a execuções apenas em CPU em números de nós equivalentes, permitindo a convergência de estados fundamentais para sistemas com milhares de átomos.
Precisão: A implementação de PLM-cDFT reproduziu com sucesso momentos magnéticos experimentais em $YBaCo_4O_7$ onde o DFT+U convencional falhou. O modelo de DFT estendido gerou com sucesso tabelas de equação de estado para materiais como hidrogênio e ferro até temperaturas de plasma ideal.
Nova Física: O código computou com sucesso momento angular de fônon, coeficientes de flexoeletricidade e estados polarônicos (ex: em LiF) a partir de primeiros princípios.
Integração de Fluxo de Trabalho: Fluxos de trabalho automatizados foram validados para computar espectros de luminescência de defeitos, coeficientes de expansão térmica via Aproximação Quasi-Harmônica (QHA) e tensores de geração de segundo harmônico (SHG) para grandes conjuntos de dados.

Significância e Alegações
O artigo alega que estas atualizações expandem significativamente o escopo do Abinit, reforçando sua posição como uma ferramenta versátil para a ciência dos materiais computacional. As principais contribuições são:

Unindo Escalas: A integração de métodos de segunda-princípios (Multibinit, TDEP) e aprendizado de máquina (Mlacs) permite a simulação de fenômenos (transições de fase, paredes de domínio) em escalas de comprimento e tempo inacessíveis ao DFT direto, mantendo a precisão mecânica quântica.
Condições Extremas: A implementação de funcionais térmicos e modelos de DFT estendidos permite a modelagem preditiva de matéria densa quente e plasmas, um regime anteriormente difícil de acessar com códigos de onda plana padrão.
Alto Rendimento e Reprodutibilidade: O desenvolvimento de interfaces robustas com AbiPy, Atomate2 e AiiDA facilita a automação de milhares de cálculos, garantindo a reprodutibilidade e permitindo triagens de materiais em larga escala.
Adaptação de Hardware: A modernização do código para aceleradores de GPU garante que o Abinit permaneça competitivo na era da computação exascale, ofereando economias substanciais de energia e tempo para sistemas grandes.

Os autores enfatizam que o software permanece de código aberto, promovendo um ambiente colaborativo para que desenvolvedores e usuários possam estender essas capacidades para tratamentos relativísticos, dinâmica não-adiabática e técnicas avançadas de muitos corpos.