Reaching the thermodynamic limit of periodic CCSD cohesive energies and band gaps
本文提出了一种可扩展的周期性 CCSD 理论分布式内存实现方案，该方案能够实现高密度的布里渊区采样，从而可靠地将内聚能和带隙外推至热力学极限，并为八种半导体和绝缘体提供了确定性的基准值，其内聚能与实验相比误差约为 0.1 eV，带隙误差约为 0.4 eV。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，试图通过观察一个小房间里的几个人来理解人群的行为。你可能会猜测他们的移动方式，但你会错过整个体育场的大局。这就是科学家在研究固体材料（比如你手机里的硅或你薯条上的盐）时面临的挑战。为了预测这些材料是如何结合在一起或如何导电的，科学家使用了一种强大的数学工具，叫做“耦合集群理论”（coupled-cluster theory）。你可以把这个理论想象成一个超级精确的模拟器，它追踪着材料中每一个电子如何与每一个其他电子共同起舞。然而，运行这个模拟器的成本极高，就像试图计算海滩上每一粒沙子的路径一样。因为成本太高，科学家通常不得不使用一个微小的、稀疏的网格来对材料进行采样，这就像试图通过只看三块石头来猜测一座山的形状。这会导致“有限尺寸误差”，即由于样本太小，导致答案略有偏差。领域内的核心问题是：如何在不等待计算机运行一百万年的情况下，得到无限材料的完美答案？
在这篇论文中，来自埃默里大学（Emory University）和弗莱特顿研究所（Flatiron Institute）的研究团队构建了一个全新的、超快速版本的模拟器，该模拟器可以在大规模计算机集群上运行。他们成功地用一个包含多达 216 个点（具体来说是一个 6×6×6 的网格）的密集网格对材料进行了采样，这比通常的 64 个点有了巨大的飞跃。通过这样做，他们终于可以“缩小视角”，将材料视为无限大，这种状态被科学家称为“热力学极限”。他们将这种新方法应用于八种简单的固体，包括像氧化镁这样的常见绝缘体和像硅这样的半导体。他们的主要发现是，他们现在可以非常有信心地预测两个关键属性：原子结合得有多紧（内聚能），以及决定材料是否导电的能量间隙（带隙）。他们发现，对于原子如何结合在一起的新预测非常接近现实世界的实验结果，通常仅偏差 0.1 到 0.2 电子伏特（eV）。然而，对于带隙，他们的方法往往会高估能量约 0.4 eV。虽然这比旧方法有了显著改进，但作者指出，剩余的误差可能意味着该理论仍缺少一点点复杂的电子舞蹈，可能需要更先进的计算才能使其达到完美。他们还将这种方法应用于用于太阳能电池的二氧化钛，预测其带隙约为 4.17 eV，这比实验建议的数值略高，暗示该方法可能仍有一些细小的系统性误差需要修正。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。