Risolvere rapidamente un problema complesso richiede compromessi attenti e la simulazione del comportamento dei materiali non fa eccezione. Per ottenere risposte che predicono in modo fattibile il funzionamento molecolare, gli scienziati devono scambiare approssimazioni matematiche che velocizzano il calcolo a spese dell'accuratezza.

Ma il magnetismo, la conduttività elettrica e altre proprietà possono essere piuttosto delicate, dice Paul R.C. Kent dell'Oak Ridge National Laboratory del Dipartimento dell'Energia (DOE). Queste proprietà dipendono dalla meccanica quantistica, i movimenti e le interazioni di una miriade di elettroni e atomi che formano i materiali e ne determinano le proprietà. I ricercatori che studiano tali caratteristiche devono modellare grandi gruppi di atomi e molecole piuttosto che solo alcuni. La complessità di questo problema richiede di aumentare l'efficienza e la precisione degli strumenti di calcolo.

È qui che entra in gioco un metodo chiamato modellizzazione Monte Carlo quantistico (QMC). Molte altre tecniche approssimano il comportamento degli elettroni come una media complessiva, Per esempio, piuttosto che considerarli singolarmente. QMC consente di tenere conto del comportamento individuale di tutti gli elettroni senza grandi approssimazioni, riducendo gli errori sistematici nelle simulazioni e producendo risultati affidabili, Kent dice.

L'interesse di Kent per QMC risale al suo dottorato di ricerca. ricerca all'Università di Cambridge negli anni '90. All'ORNL, recentemente è tornato al metodo perché i progressi sia nell'hardware dei supercomputer che negli algoritmi avevano permesso ai ricercatori di migliorarne l'accuratezza.

"Possiamo creare nuovi materiali e una frazione più ampia di elementi attraverso la tavola periodica, " dice Kent. "Ancora più importante, possiamo iniziare a fare alcuni dei materiali e delle proprietà in cui i metodi più approssimativi che usiamo giorno per giorno sono semplicemente inaffidabili".

Anche con questi progressi, simulazioni di questi tipi di materiali, quelli che includono fino a poche centinaia di atomi e migliaia di elettroni, richiede un carico di lavoro computazionale. Kent guida un DOE Basic Energy Sciences Center, il Centro per le simulazioni predittive dei materiali funzionali (CPSFM) che include ricercatori dell'ORNL, Laboratorio Nazionale Argonne, Laboratori Nazionali Sandia, Laboratorio Nazionale Lawrence Livermore, l'Università della California, Berkeley e la North Carolina State University.

Il loro lavoro è supportato da un'allocazione DOE Innovative and Novel Computational Impact on Theory and Experiments (INCITE) di 140 milioni di ore di elaborazione, diviso tra Titano di Oak Ridge Leadership Computing Facility e supercomputer Mira di Argonne Leadership Computing Facility. Entrambi i centri di calcolo sono strutture utente DOE Office of Science.

Per portare QMC al livello successivo, Kent e colleghi iniziano con materiali come il diossido di vanadio che mostrano un comportamento elettronico insolito. A temperature più fresche, questo materiale isola dal flusso di elettricità. Ma appena sopra la temperatura ambiente, il biossido di vanadio cambia bruscamente la sua struttura e il suo comportamento.

Improvvisamente questo materiale diventa metallico e conduce l'elettricità in modo efficiente. Gli scienziati ancora non capiscono esattamente come e perché ciò avvenga. Fattori come sollecitazione meccanica, la pressione o il drogaggio dei materiali con altri elementi inducono anche questa rapida transizione da isolante a conduttore.

Però, se scienziati e ingegneri potessero controllare questo comportamento, questi materiali potrebbero essere usati come interruttori, sensori o, possibilmente, la base per i nuovi dispositivi elettronici. "Questo grande cambiamento nella conduttività di un materiale è il tipo di cosa che vorremmo essere in grado di prevedere in modo affidabile, " dice Kent.

Anche i ricercatori di laboratorio stanno studiando questi isolanti-conduttori con esperimenti. Questo sforzo di convalida conferisce fiducia al potere predittivo dei loro metodi computazionali in una gamma di materiali. Il team ha creato software open source, noto come QMCPACK, che è ora disponibile online e su tutte le strutture computazionali del DOE Office of Science.

Kent e i suoi colleghi sperano di costruire superconduttori ad alta temperatura e altri materiali complessi e misteriosi. Sebbene gli scienziati conoscano le ampie proprietà di questi materiali, Kent dice, "non possiamo ancora metterli in relazione con la struttura reale e gli elementi nei materiali. Quindi questa è davvero una grande sfida per il campo della fisica della materia condensata".

I metodi di modellazione della meccanica quantistica più accurati limitano gli scienziati a esaminare solo pochi atomi o molecole. Quando gli scienziati vogliono studiare sistemi più grandi, i costi di calcolo diventano rapidamente ingombranti. QMC offre un compromesso:la dimensione di un calcolo aumenta cubicamente rispetto al numero di elettroni, una sfida più gestibile. QMC incorpora solo poche approssimazioni controllate e può essere applicato ai numerosi atomi ed elettroni necessari. È adatto per i supercomputer a petascala di oggi, in grado di eseguire un quadrilione o più di calcoli al secondo, e per i supercomputer a esascala di domani, che sarà almeno mille volte più veloce. Il metodo mappa gli elementi di simulazione in modo relativamente semplice sui nodi di calcolo in questi sistemi.

Il team CPSFM continua a ottimizzare QMCPACK per supercomputer sempre più veloci, compreso il vertice dell'OLCF, che sarà pienamente operativo a gennaio 2019. La maggiore capacità di memoria sulle GPU Nvidia Volta di quella macchina – 16 gigabyte per unità di elaborazione grafica rispetto ai 6 gigabyte su Titan – aumenta già la velocità di calcolo. Con l'aiuto di Ed D'Azevedo e Andreas Tillack dell'OLCF, i ricercatori hanno implementato algoritmi migliorati che possono raddoppiare la velocità dei loro calcoli più grandi.

QMCPACK fa parte del progetto Exascale Computing di DOE, e il team sta già prevedendo ulteriori sfide di scalabilità per l'esecuzione di QMCPACK su macchine future. Per eseguire le simulazioni desiderate entro circa 12 ore su un supercomputer esascala, Kent stima che avranno bisogno di algoritmi 30 volte più scalabili di quelli della versione attuale.

Anche con hardware e algoritmi migliorati, I calcoli QMC saranno sempre costosi. Quindi Kent e il suo team vorrebbero usare QMCPACK per capire dove i metodi più economici vanno male in modo da poterli migliorare. Quindi possono salvare i calcoli QMC per i problemi più impegnativi nella scienza dei materiali, Kent dice. "Idealmente impareremo cosa rende questi materiali molto difficili da modellare e quindi miglioreremo approcci più economici in modo da poter eseguire scansioni molto più ampie di materiali diversi".

La combinazione di metodi QMC migliorati e una suite di approcci di modellazione computazionalmente più economici potrebbe aprire la strada a nuovi materiali e alla comprensione delle loro proprietà. Progettare e testare nuovi composti in laboratorio è costoso, Kent dice. Gli scienziati potrebbero risparmiare tempo e risorse preziose se prima potessero prevedere il comportamento di nuovi materiali in una simulazione.

Più, lui nota, metodi computazionali affidabili potrebbero aiutare gli scienziati a comprendere proprietà e processi che dipendono da singoli atomi che sono estremamente difficili da osservare utilizzando gli esperimenti. "Questo è un posto dove c'è molto interesse nell'inseguire la scienza fondamentale, prevedere nuovi materiali e consentire applicazioni tecnologiche."