Gli scienziati hanno dimostrato un modo per aumentare le possibilità di risolvere strutture materiali alimentando i dati di più esperimenti e teorie in un "ottimizzatore globale" che utilizza algoritmi matematici per restringere la gamma di possibili soluzioni in base alla sua analisi dei set di dati complementari.
Materiali con prodotti chimici, ottico, e le proprietà elettroniche guidate da strutture che misurano miliardesimi di metro potrebbero portare a tecnologie energetiche migliorate, da celle solari più efficienti a batterie ad alta densità di energia più durature. Strumenti scientifici come quelli del Center for Functional Nanomaterials (CFN) del Brookhaven Lab e la National Synchrotron Light Source II (NSLS-II), appena aperta, sia DOE Office of Science User Facilities, offrono nuovi modi per studiare i materiali su questa scala di lunghezza nanometrica, incluso il loro funzionamento in dispositivi reali.
Questi esperimenti producono enormi quantità di dati, rivelando importanti dettagli sui materiali. Ma in questo momento gli scienziati non hanno gli strumenti computazionali di cui hanno bisogno per utilizzare quei dati per la progettazione razionale dei materiali, un passaggio essenziale per accelerare la scoperta di materiali con le caratteristiche prestazionali richieste per il mondo reale, implementazione su larga scala. Per raggiungere tale obiettivo, ciò che serve è un nuovo modo per combinare i dati di una serie di esperimenti insieme alle descrizioni teoriche del comportamento dei materiali in modelli predittivi validi che gli scienziati possono utilizzare per sviluppare nuovi materiali potenti.
"Ci sono ottime possibilità che l'esperienza nel calcolo ad alte prestazioni e negli algoritmi matematici applicati sviluppati con il supporto dell'Office of Advanced Scientific Computing Research (ASCR) del DOE possa aiutarci a fare progressi su questa frontiera, " disse Simon Billinge, un fisico al Brookhaven National Laboratory e alla School of Engineering and Applied Science della Columbia University. Alla conferenza SC14, Simon ha presentato una potenziale soluzione che utilizza la teoria matematica e gli strumenti computazionali per estrarre le informazioni essenziali per rafforzare i modelli delle prestazioni dei materiali.
"Molti dei modelli che abbiamo per questi materiali non sono robusti, ", ha detto. "Idealmente, vorremmo essere in grado di programmare nelle proprietà che vogliamo, diciamo, conversione efficiente dell'energia solare, superconduttività, enorme capacità di accumulo elettrico e chiedi al modello di sputare il progetto per un nuovo materiale che avrà quella proprietà, ma questo è chiaramente impossibile con modelli inaffidabili."
Trovare possibili soluzioni per la struttura di un materiale mediante l'ottimizzazione globale di un modello che incorpora dati da più tecniche sperimentali è computazionalmente costoso/richiede tempo, ma deve essere fatto più volte per verificare se esiste più di una soluzione compatibile con i dati. Ciascun punto in questi diagrammi a triangolo rappresenta un modo diverso di combinare gli input dai tre esperimenti e il colore indica il numero di soluzioni strutturali trovate per quella combinazione (il rosso è la soluzione più unica). Solo quando è fatto per molti punti gli scienziati possono concentrarsi sulla soluzione più probabile comune che tiene conto di tutti i dati. Sono necessari computer ad alte prestazioni per gestire la scala di calcolo necessaria per fornire risultati chiari.
Potenti strumenti sperimentali come NSLS-II rendono possibili esperimenti più complessi. Ma ironia della sorte, alcune delle nuove tecniche rendono più difficile il processo di scoperta.
Billinge spiega:"I materiali reali e le applicazioni reali dipendono dai dettagli fini della struttura dei materiali come difetti, superfici, e morfologia, quindi gli esperimenti che aiutano a rivelare i dettagli strutturali fini sono essenziali. Ma alcuni dei materiali più interessanti sono molto complessi, e poi vengono trasformati in ancora più complessi, dispositivi multicomponente. Quando posizioniamo questi dispositivi complessi in una linea di luce a raggi X o a diffusione di neutroni, le interazioni delle travi con tutti i componenti complessi producono risultati di sovrapposizione. Stai cercando piccoli segnali da difetti e superfici nascoste in un enorme sfondo di altre informazioni dai componenti extra, tutto ciò degrada le informazioni utili."
Allo stesso tempo, anche la complessità dei modelli che gli scienziati stanno cercando di costruire per comprendere questi materiali è in aumento, quindi hanno bisogno di maggiori informazioni su quei dettagli essenziali da inserire nel modello, non meno. Risolvendo questi problemi affidabilità, date tutte le incertezze, richiede approcci matematici avanzati e calcolo ad alte prestazioni, quindi Simon ei suoi collaboratori stanno lavorando con ASCR su un duplice approccio per migliorare il processo.
Sul lato ingresso, combinano i risultati di più esperimenti:diffusione di raggi X, diffusione di neutroni, e anche teoria. Dal lato dell'uscita, gli scienziati cercano di ridurre quella che viene chiamata la dimensionalità del modello. Billinge ha spiegato che questo è simile alla compressione che crea un file musicale mp3 diffondendo informazioni non essenziali che la maggior parte delle persone non noterebbe la mancanza.
"Se riduciamo la complessità per ridurre al minimo l'input necessario per rendere risolvibile il problema, possiamo eseguirlo attraverso potenti computer ad alte prestazioni che utilizzano metodi matematici avanzati derivati dalla teoria dell'informazione, quantificazione dell'incertezza, e altre tecniche di analisi dei dati per ordinare tutti i dettagli, " ha detto. Gli algoritmi matematici possono mettere insieme le informazioni complementari dei diversi esperimenti, un po' come la parabola sui ciechi che esplorano le diverse parti di un elefante, ma ora condividendo e combinando i loro risultati e usandoli per prevedere la struttura dei materiali complessi.
"Simile a un file mp3, ci sono alcune informazioni mancanti in questi modelli. Ma con la giusta rappresentazione può essere sufficiente avere un valore predittivo e permetterci di progettare nuovi materiali, " ha detto Billing.
