Resolver un problema complejo rápidamente requiere compensaciones cuidadosas, y la simulación del comportamiento de los materiales no es una excepción. Para obtener respuestas que predigan el funcionamiento molecular de manera factible, los científicos deben intercambiar aproximaciones matemáticas que aceleren el cálculo a expensas de la precisión.

Pero el magnetismo La conductividad eléctrica y otras propiedades pueden ser bastante delicadas. dice Paul R.C. Kent del Laboratorio Nacional Oak Ridge del Departamento de Energía (DOE). Estas propiedades dependen de la mecánica cuántica, los movimientos e interacciones de una miríada de electrones y átomos que forman materiales y determinan sus propiedades. Los investigadores que estudian tales características deben modelar grandes grupos de átomos y moléculas en lugar de solo unos pocos. La complejidad de este problema exige aumentar la eficiencia y precisión de las herramientas computacionales.

Ahí es donde entra en juego un método llamado modelo cuántico de Monte Carlo (QMC). Muchas otras técnicas se aproximan al comportamiento de los electrones como un promedio general, por ejemplo, en lugar de considerarlos individualmente. QMC permite tener en cuenta el comportamiento individual de todos los electrones sin grandes aproximaciones, Reducir los errores sistemáticos en las simulaciones y producir resultados fiables. Kent dice.

El interés de Kent en QMC se remonta a su Ph.D. investigación en la Universidad de Cambridge en la década de 1990. En ORNL, Recientemente regresó al método porque los avances tanto en el hardware de las supercomputadoras como en los algoritmos habían permitido a los investigadores mejorar su precisión.

"Podemos crear nuevos materiales y una fracción más amplia de elementos en la tabla periódica, "Kent dice". Más importante aún, podemos comenzar a hacer algunos de los materiales y propiedades donde los métodos más aproximados que usamos día a día simplemente no son confiables ".

Incluso con estos avances, simulaciones de este tipo de materiales, los que incluyen hasta unos pocos cientos de átomos y miles de electrones, requiere trabajo pesado computacional. Kent dirige un Centro de Ciencias de la Energía Básica del DOE, el Centro de Simulaciones Predictivas de Materiales Funcionales (CPSFM) que incluye investigadores de ORNL, Laboratorio Nacional Argonne, Laboratorios Nacionales Sandia, Laboratorio Nacional Lawrence Livermore, la Universidad de California, Berkeley y la Universidad Estatal de Carolina del Norte.

Su trabajo está respaldado por una asignación de impacto computacional innovador y novedoso en teoría y experimentos (INCITE) del DOE de 140 millones de horas de procesador, dividido entre las supercomputadoras Mira de Oak Ridge Leadership Computing Facility y Argonne Leadership Computing Facility. Ambos centros de computación son instalaciones para usuarios de la Oficina de Ciencias del DOE.

Para llevar QMC al siguiente nivel, Kent y sus colegas comienzan con materiales como el dióxido de vanadio que muestran un comportamiento electrónico inusual. A temperaturas más frías, este material aísla contra el flujo de electricidad. Pero justo por encima de la temperatura ambiente, El dióxido de vanadio cambia abruptamente su estructura y comportamiento.

De repente, este material se vuelve metálico y conduce la electricidad de manera eficiente. Los científicos aún no entienden exactamente cómo y por qué ocurre esto. Factores como la deformación mecánica, La presión o el dopado de los materiales con otros elementos también inducen esta rápida transición de aislante a conductor.

Sin embargo, si los científicos e ingenieros pudieran controlar este comportamiento, estos materiales podrían usarse como interruptores, sensores o, posiblemente, la base de los nuevos dispositivos electrónicos. "Este gran cambio en la conductividad de un material es el tipo de cosas que nos gustaría poder predecir de manera confiable, "Dice Kent.

Los investigadores de laboratorio también están estudiando estos aisladores a conductores con experimentos. Ese esfuerzo de validación da confianza al poder predictivo de sus métodos computacionales en una variedad de materiales. El equipo ha creado software de código abierto, conocido como QMCPACK, que ahora está disponible en línea y en todas las instalaciones computacionales de la Oficina de Ciencias del DOE.

Kent y sus colegas esperan construir superconductores de alta temperatura y otros materiales complejos y misteriosos. Aunque los científicos conocen las amplias propiedades de estos materiales, Kent dice:"todavía no podemos relacionarlos con la estructura real y los elementos de los materiales. Así que ese es un gran desafío para el campo de la física de la materia condensada".

Los métodos de modelado mecánico cuántico más precisos restringen a los científicos a examinar solo unos pocos átomos o moléculas. Cuando los científicos quieren estudiar sistemas más grandes, los costos de cálculo se vuelven rápidamente difíciles de manejar. QMC ofrece un compromiso:el tamaño de un cálculo aumenta cúbicamente en relación con la cantidad de electrones, un desafío más manejable. QMC incorpora solo unas pocas aproximaciones controladas y se puede aplicar a los numerosos átomos y electrones necesarios. Es muy adecuado para las supercomputadoras de petaescala de hoy, capaces de un billón de cálculos o más por segundo, y las supercomputadoras de exaescala del mañana. que será al menos mil veces más rápido. El método mapea elementos de simulación con relativa facilidad en los nodos de cálculo de estos sistemas.

El equipo de CPSFM continúa optimizando QMCPACK para supercomputadoras cada vez más rápidas, incluida la Cumbre de OLCF, que estará en pleno funcionamiento en enero de 2019. La mayor capacidad de memoria en las GPU Nvidia Volta de esa máquina (16 gigabytes por unidad de procesamiento de gráficos en comparación con 6 gigabytes en Titan) ya aumenta la velocidad de cálculo. Con la ayuda de Ed D'Azevedo y Andreas Tillack de OLCF, los investigadores han implementado algoritmos mejorados que pueden duplicar la velocidad de sus cálculos más grandes.

QMCPACK es parte del Proyecto de Computación Exascale del DOE, y el equipo ya está anticipando desafíos de escala adicionales para ejecutar QMCPACK en máquinas futuras. Para realizar las simulaciones deseadas en aproximadamente 12 horas en una supercomputadora de exaescala, Kent estima que necesitarán algoritmos que sean 30 veces más escalables que los de la versión actual.

Incluso con hardware y algoritmos mejorados, Los cálculos de QMC siempre serán costosos. Por lo tanto, a Kent y su equipo les gustaría usar QMCPACK para comprender dónde fallan los métodos más baratos para poder mejorarlos. Luego, pueden guardar los cálculos de QMC para los problemas más desafiantes de la ciencia de los materiales, Kent dice. "Idealmente, aprenderemos qué está causando que estos materiales sean muy difíciles de modelar y luego mejoraremos los enfoques más baratos para que podamos hacer escaneos mucho más amplios de diferentes materiales".

La combinación de métodos QMC mejorados y un conjunto de enfoques de modelado computacionalmente más baratos podría abrir el camino hacia nuevos materiales y la comprensión de sus propiedades. Diseñar y probar nuevos compuestos en el laboratorio es caro, Kent dice. Los científicos podrían ahorrar tiempo y recursos valiosos si primero pudieran predecir el comportamiento de materiales novedosos en una simulación.

Más, él nota, Los métodos computacionales confiables podrían ayudar a los científicos a comprender las propiedades y los procesos que dependen de átomos individuales que son extremadamente difíciles de observar mediante experimentos. "Ese es un lugar donde hay mucho interés en buscar la ciencia fundamental, predecir nuevos materiales y posibilitar aplicaciones tecnológicas ".