Solid-angle based nearest-neighbor algorithm adapted for systems with low coordination number

No mundo invisível de átomos e moléculas, a maneira como as partículas se organizam dita o caráter do material. Se uma substância é um diamante duro, um lubrificante escorregadio ou um líquido fluido depende inteiramente da vizinhança local de suas partes constituintes. Para entender esses materiais, os cientistas devem primeiro responder a uma pergunta deceptivamente simples: quem é um vizinho? Em uma multidão densa de partículas, nem sempre é óbvio quais estão se tocando e quais estão apenas passando. Essa distinção é crucial porque o número de vizinhos imediatos que uma partícula possui, conhecido como seu número de coordenação, determina a estrutura de todo o sistema. Por décadas, pesquisadores confiaram em ferramentas matemáticas para desenhar essas fronteiras invisíveis, mas essas ferramentas enfrentaram dificuldades quando a multidão é esparsa ou o arranjo é incomum, frequentemente identificando erroneamente partículas distantes como amigos próximos.

Uma equipe de pesquisadores da Universidade de Utrecht e da Université Paris-Saclay desenvolveu um método refinado para resolver esse problema específico. Eles focaram em uma técnica existente chamada algoritmo de vizinho mais próximo baseado em ângulo sólido, que determina vizinhos verificando quanto da visão circundante de uma partícula é bloqueada por seus companheiros. Embora este método funcione bem em sistemas densos e caóticos, ele tende a cometer um erro sistemático em redes estruturadas e abertas, onde as partículas são poucas e distantes entre si. Nesses ambientes de baixa densidade, o algoritmo original muitas vezes alcança longe demais, contando partículas que pertencem à próxima camada de vizinhos como se fizessem parte do primeiro círculo. Os pesquisadores introduziram uma correção geométrica para corrigir essa contagem excessiva sem adicionar quaisquer novas configurações ajustáveis ao cálculo. Sua abordagem modificada, que chamam de mSANN, identifica com sucesso o número correto de vizinhos em estruturas complexas, desde padrões de colmeia até cristais de diamante, oferecendo um mapa mais preciso do mundo microscópico.

O desafio central na identificação de vizinhos reside na falta de uma definição única e universal para o que constitui um "toque". Em um cristal perfeito, a resposta é clara, mas em materiais reais, a energia térmica faz com que as partículas oscilem, borrando as linhas entre as camadas. Métodos tradicionais frequentemente dependem de um corte de distância fixa, desenhando um círculo ao redor de uma partícula e contando todos dentro dele. No entanto, isso falha quando a densidade muda através do material. Outro método popular utiliza uma partição geométrica do espaço, dividindo a área ao redor de cada partícula em uma célula única. Embora isso evite limites de distância arbitrários, é sensível a pequenas vibrações e pode incluir incorretamente partículas distantes em estruturas de baixa coordenação, como uma rede de colmeia onde cada partícula tem apenas três vizinhos. O método do ângulo sólido foi projetado para ser uma alternativa robusta que não requer configurações de distância fixa. Ele funciona imaginando uma esfera ao redor de uma partícula central e calculando o espaço angular que cada potencial vizinho ocupa. O algoritmo expande a fronteira até que os vizinhos preencham coletivamente toda a esfera. Isso funciona lindamente em sistemas densos, mas na geometria da situação, o algoritmo é enganado em redes abertas.

Os pesquisadores descobriram que, em estruturas abertas, o método original efetivamente desenha um círculo que é grande demais. Imagine uma partícula situada no centro de um triângulo formado por seus três vizinhos mais próximos. Para preencher o espaço ao redor da partícula central, o algoritmo calcula um raio que alcança os cantos desse triângulo. Ao fazer isso, ele inadvertidamente inclui partículas que estão logo fora do triângulo, na próxima camada da estrutura. Isso acontece porque o algoritmo trata o espaço como se precisasse ser preenchido por um círculo que passa pelos vizinhos, em vez de um círculo que simplesmente os contém. Esse descuido geomético leva a uma superestimativa consistente do número de vizinhos, confundindo a primeira camada de vizinhos com a segunda.

Para corrigir isso, os autores propuseram um ajuste geométrico simples baseado na relação entre o círculo que passa pelos vizinhos e o círculo que se ajusta dentro da forma que eles formam. Eles perceberam que, enquanto o método original usa o círculo externo, uma abordagem mais precisa para essas estruturas esparsas seria usar um raio que se situa entre os limites interno e externo. Eles introduziram uma modificação que escala o raio calculado para baixo, encolhendo a fronteira o suficiente para excluir as partículas distantes, mantendo ainda a permissão para o balanço natural dos átomos. Este ajuste é puramente geométrico e não requer novos parâmetros ou ajustes, preservando a simplicidade do método original. Ele atua como um filtro que impede o algoritmo de alcançar longe demais em redes abertas, permanecendo flexível o suficiente para lidar com o ruído térmico presente em materiais reais.

A equipe testou seu novo método, mSANN, contra o algoritmo original e o método de partição geométrica tradicional através de uma ampla variedade de sistemas simulados. Em simulações bidimensionais de redes de colmeia e quadradas, os métodos originais frequentemente identificavam erroneamente o número de vizinhos, muitas vezes contando seis ou cinco em vez dos corretos três ou quatro. O método modificado, no entanto, identificou consistentemente o número de coordenação exato para cada partícula, produzindo uma distribuição nítida e clara que correspondia à estrutura teórica. Em testes tridimensionais envolvendo estruturas de diamante e grafite, que também possuem números de coordenação baixos, os métodos originais novamente tiveram dificuldade em distinguir entre a primeira e a segunda camadas de vizinhos. A correção mSANN resolveu isso com sucesso, identificando o número correto de vizinhos em todos os tipos de cristais testados, incluindo as redes cúbica simples e cúbica de corpo centrado.

Os pesquisadores também examinaram sistemas desordenados mais complexos, como quasicristais, que contêm uma mistura de diferentes formas e contagens de vizinhos. Nesses ambientes heterogêneos, o método de ângulo sólido original às vezes criava conexões falsas através das diagonais de lacunas quadradas, fundindo regiões separadas. O algoritmo modificado evitou essas ligações espúrias, preservando a topologia real da estrutura. Além disso, em sistemas onde diferentes fases coexistem, como uma fronteira entre um cristal e uma região desordenada, o novo método forneceu uma identificação consistente de vizinhos através da interface, enquanto os outros métodos mostraram inconsistências significativas. Essa robustez sugere que a modificação é particularmente valiosa para estudar materiais que não são perfeitamente ordenados, onde o ambiente local varia significativamente de ponto para ponto.

Além da precisão, os pesquisadores estavam preocupados com a velocidade do cálculo, já que a identificação de vizinhos é uma etapa fundamental em muitas simulações de larga escala. Eles implementaram seu algoritmo de uma forma que aproveita o poder computacional moderno, usando processamento paralelo para lidar com os cálculos de forma eficiente. Seus testes de desempenho mostraram que, para sistemas pequenos com menos de mil partículas, o método geométrico tradicional continua sendo a opção mais rápida. No entanto, conforme o tamanho do sistema cresce, o algoritmo modificado torna-se significamente mais rápido, superando o método tradicional em quase o dobro da velocidade para sistemas muito grandes contendo milhões de partículas. Essa eficiência, combinada com a melhor precisão em ambientes de baixa densidade, torna o novo método uma ferramenta poderosa para analisar materiais complexos.

O trabalho demonstra que um olhar cuidadoso sobre a geometria subjacente de um problema pode levar a melhorias significativas na forma como modelamos o mundo físico. Ao reconhecer que a definição de vizinho do método original era permissiva demais em estruturas abertas, os pesquisadores foram capazes de introduzir uma correção que é tanto matematicamente elegante quanto praticamente eficaz. O algoritmo modificado não apenas corrige um erro específico; ele fornece uma maneira mais confiável de mapear a estrutura local da matéria, desde as redes rígidas de cristais até os arranjos flutuantes de fases desordenadas. Para cientistas que estudam o comportamento de materiais na escala atômica, ter uma ferramenta que possa contar vizinhos com precisão sem se confundir com os vãos entre eles é um passo crucial para compreender as propriedades dos materiais que compõem o nosso mundo.