Quantenvorhersagen

Die schnelle Lösung eines komplexen Problems erfordert sorgfältige Kompromisse – und die Simulation des Verhaltens von Materialien ist keine Ausnahme. Um Antworten zu erhalten, die molekulare Funktionsweisen realistisch vorhersagen, müssen Wissenschaftler in mathematischen Annäherungen tauschen, die die Berechnung auf Kosten der Genauigkeit beschleunigen.

Aber Magnetismus, elektrische Leitfähigkeit und andere Eigenschaften können sehr empfindlich sein, sagt Paul R.C. Kent vom Department of Energy’s (DOE’s) Oak Ridge National Laboratory. Diese Eigenschaften hängen von der Quantenmechanik, den Bewegungen und Wechselwirkungen unzähliger Elektronen und Atome ab, die Materialien bilden und deren Eigenschaften bestimmen. Forscher, die solche Eigenschaften untersuchen, müssen nicht nur einige wenige, sondern auch große Gruppen von Atomen und Molekülen modellieren. Die Komplexität dieses Problems erfordert eine Steigerung der Effizienz und Genauigkeit der Berechnungswerkzeuge.

Hier setzt eine Methode namens Quantum Monte Carlo (QMC) Modellierung an. Viele andere Techniken nähern sich beispielsweise dem Verhalten von Elektronen als Gesamtdurchschnitt, anstatt sie einzeln zu betrachten. QMC ermöglicht es, das individuelle Verhalten aller Elektronen ohne größere Annäherungen zu berücksichtigen, systematische Fehler in Simulationen zu reduzieren und zuverlässige Ergebnisse zu liefern, sagt Kent.

Kents Interesse an QMC geht auf seine Doktorarbeit an der Cambridge University in den 90er Jahren zurück. Bei ORNL kehrte er kürzlich zur Methode zurück, weil Fortschritte sowohl bei der Supercomputerhardware als auch bei den Algorithmen es den Forschern ermöglicht hatten, ihre Genauigkeit zu verbessern.

„Wir können neue Materialien und einen größeren Anteil an Elementen im gesamten Periodensystem verwenden“, sagt Kent. „Noch wichtiger ist, dass wir anfangen können, einige der Materialien und Eigenschaften zu entwickeln, bei denen die näherungsweise angewandten Methoden, die wir täglich anwenden, einfach unzuverlässig sind.“

Sogar mit diesen Fortschritten erfordern Simulationen dieser Art von Materialien, die bis zu einigen hundert Atomen und Tausenden von Elektronen umfassen, ein rechnergestütztes Schwerheben. Kent leitet ein DOE Basic Energy Sciences Center, das Center for Predictive Simulations of Functional Materials (CPSFM), zu dem Forscher vom ORNL, dem Argonne National Laboratory, den Sandia National Laboratories, dem Lawrence Livermore National Laboratory, der University of California, Berkeley und der North Carolina State University gehören.

Ihre Arbeit wird durch eine DOE Innovative and Novel Computational Impact on Theory and Experiments (INCITE) Zuteilung von 140 Millionen Prozessorstunden unterstützt, aufgeteilt in Oak Ridge Leadership Computing Facility’s Titan und Argonne Leadership Computing Facility’s Mira Supercomputer. Beide Rechenzentren sind Anwendereinrichtungen des DOE Office of Science.

Um QMC auf die nächste Stufe zu bringen, beginnen Kent und Kollegen mit Materialien wie Vanadiumdioxid, die ein ungewöhnliches elektronisches Verhalten zeigen. Bei kühleren Temperaturen isoliert dieses Material gegen den Stromfluss. Aber bei knapp über Raumtemperatur ändert Vanadin-Dioxid abrupt seine Struktur und sein Verhalten.

Plötzlich wird dieses Material metallisch und leitet den Strom effizient. Wissenschaftler verstehen immer noch nicht genau, wie und warum dies geschieht. Faktoren wie mechanische Beanspruchung, Druck oder Dotierung der Materialien mit anderen Elementen bewirken ebenfalls diesen schnellen Übergang vom Isolator zum Leiter.

Wenn Wissenschaftler und Ingenieure dieses Verhalten jedoch kontrollieren könnten, könnten diese Materialien als Schalter, Sensoren oder möglicherweise als Grundlage für neue elektronische Geräte verwendet werden. „Diese große Änderung der Leitfähigkeit eines Materials ist die Art von Dingen, die wir gerne zuverlässig vorhersagen würden“, sagt Kent.

Laborforscher untersuchen diese Isolator-zu-Leiter auch mit Experimenten. Dieser Validierungsaufwand gibt Vertrauen in die Vorhersagekraft ihrer Berechnungsmethoden in einer Reihe von Materialien. Das Team hat Open-Source-Software, bekannt als QMCPACK, entwickelt, die jetzt online und auf allen Recheneinrichtungen des DOE Office of Science verfügbar ist.

Kent und seine Kollegen hoffen, Hochtemperatursupraleiter und andere komplexe und mysteriöse Materialien zu entwickeln. Obwohl Wissenschaftler die breiten Eigenschaften dieser Materialien kennen, sagt Kent: „Wir können diese noch nicht mit der tatsächlichen Struktur und den Elementen in den Materialien in Verbindung bringen. Das ist also eine wirklich große Herausforderung für die Physik der kondensierten Materie.“

Die genauesten quantenmechanischen Modellierungsmethoden beschränken die Wissenschaftler auf die Untersuchung weniger Atome oder Moleküle. Wenn Wissenschaftler größere Systeme untersuchen wollen, werden die Berechnungskosten schnell unhandlich. QMC bietet einen Kompromiss: Die Größe einer Berechnung nimmt kubisch mit der Anzahl der Elektronen zu, eine eher überschaubare Herausforderung. QMC beinhaltet nur wenige kontrollierte Approximationen und kann auf die zahlreichen benötigten Atome und Elektronen angewendet werden. Es ist gut geeignet für die heutigen petascale Supercomputer – mit einer Billiarde Berechnungen oder mehr pro Sekunde – und die zukünftigen exascale Supercomputer, die mindestens tausend Mal schneller sein werden. Das Verfahren bildet Simulationselemente relativ einfach auf die Rechenknoten in diesen Systemen ab.

Das CPSFM-Team optimiert QMCPACK für immer schnellere Supercomputer, einschließlich des OLCF-Gipfels, der im Januar 2019 voll funktionsfähig sein wird. Die höhere Speicherkapazität der Nvidia Volta GPUs auf dieser Maschine – 16 Gigabyte pro Grafikprozessor im Vergleich zu 6 Gigabyte auf Titan – erhöht bereits die Rechengeschwindigkeit. Mit Hilfe von Ed D’Azevedo und Andreas Tillack von OLCF haben die Forscher verbesserte Algorithmen implementiert, die die Geschwindigkeit ihrer größeren Berechnungen verdoppeln können.

QMCPACK ist Teil des Exascale Computing Project von DOE, und das Team erwartet bereits zusätzliche Skalierungsherausforderungen für den Einsatz von QMCPACK auf zukünftigen Maschinen. Um die gewünschten Simulationen innerhalb von etwa 12 Stunden auf einem exaskalierten Supercomputer durchzuführen, schätzt Kent, dass sie Algorithmen benötigen, die 30-mal skalierbarer sind als die in der aktuellen Version.

Selbst mit verbesserter Hardware und verbesserten Algorithmen werden QMC-Berechnungen immer teuer sein. Deshalb möchten Kent und sein Team QMCPACK nutzen, um zu verstehen, wo billigere Methoden schief gehen, damit sie sie verbessern können. Dann können sie QMC-Berechnungen für die schwierigsten Probleme in der Materialwissenschaft speichern, sagt Kent. „Im Idealfall werden wir lernen, was diese Materialien sehr schwierig zu modellieren und dann billigere Ansätze zu verbessern, so dass wir viel breitere Scans von verschiedenen Materialien durchführen können.“

Die Kombination aus verbesserten QMC-Methoden und einer Reihe von rechnerisch günstigeren Modellierungsansätzen könnte den Weg zu neuen Materialien und dem Verständnis ihrer Eigenschaften weisen. Das Entwerfen und Testen neuer Verbindungen im Labor ist teuer, sagt Kent. Wissenschaftler könnten wertvolle Zeit und Ressourcen sparen, wenn sie zunächst das Verhalten neuartiger Materialien in einer Simulation vorhersagen könnten.

Außerdem könnten zuverlässige Berechnungsmethoden den Wissenschaftlern helfen, Eigenschaften und Prozesse zu verstehen, die von einzelnen Atomen abhängen, die mit Experimenten nur sehr schwer zu beobachten sind. „Das ist ein Ort, an dem es viel Interesse gibt, der Grundlagenforschung nachzugehen, neue Materialien vorherzusagen und technologische Anwendungen zu ermöglichen.“

Teilen Ist Liebe! ❤❤❤ 22 shares ❤❤❤

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

shares