Вычислительное материаловедение

Эта статья включает список общих ссылок , но в ней отсутствуют соответствующие встроенные цитаты . Пожалуйста, помогите улучшить эту статью, введя более точные цитаты. ( Ноябрь 2019 ) ( Узнайте, как и когда удалять это сообщение )

Вычислительная материаловедение и инженерия используют моделирование, имитацию, теорию и информатику для понимания материалов. Основные цели включают открытие новых материалов, определение поведения и механизмов материалов, объяснение экспериментов и исследование теорий материалов. Это аналогично вычислительной химии и вычислительной биологии как все более важной подобласти материаловедения .

Так же, как материаловедение охватывает все масштабы длины, от электронов до компонентов, так же и его вычислительные субдисциплины. Хотя разрабатывалось и продолжает разрабатываться множество методов и вариаций, возникло семь основных методов моделирования, или мотивов. ^[1]

Эти методы компьютерного моделирования используют базовые модели и приближения для понимания поведения материалов в более сложных сценариях, чем позволяет чистая теория, и с большей детализацией и точностью, чем это часто возможно из экспериментов. Каждый метод может использоваться независимо для прогнозирования свойств и механизмов материалов, для передачи информации другим методам моделирования, запущенным отдельно или одновременно, или для прямого сравнения или сопоставления с экспериментальными результатами. ^[2]

Одной из примечательных подобластей вычислительного материаловедения является интегрированная вычислительная инженерия материалов (ICME), которая стремится использовать результаты вычислений и методы в сочетании с экспериментами, уделяя особое внимание промышленному и коммерческому применению. ^[3] Основные текущие темы в этой области включают количественную оценку неопределенности и распространение ее в ходе моделирования для принятия окончательных решений, инфраструктуру данных для совместного использования входных данных и результатов моделирования, ^[4] проектирование и открытие высокопроизводительных материалов, ^[5] и новые подходы с учетом значительного увеличения вычислительной мощности и продолжающейся истории суперкомпьютеров .

Методы электронной структуры решают уравнение Шредингера для расчета энергии системы электронов и атомов, фундаментальных единиц конденсированного вещества. Существует множество вариаций методов электронной структуры с различной вычислительной сложностью и рядом компромиссов между скоростью и точностью.

Благодаря балансу вычислительных затрат и предсказательной способности теория функционала плотности (DFT) имеет наиболее значительное применение в материаловедении . DFT чаще всего относится к расчету состояния системы с наименьшей энергией; однако молекулярная динамика (движение атомов во времени) может быть запущена с помощью DFT, вычисляющей силы между атомами.

Хотя DFT и многие другие методы электронных структур описываются как ab initio , все еще существуют приближения и входные данные. В DFT существуют все более сложные, точные и медленные приближения, лежащие в основе моделирования, поскольку точный функционал обменной корреляции неизвестен. Простейшей моделью является приближение локальной плотности (LDA), которое становится более сложным с приближением обобщенного градиента (GGA) и далее. Дополнительным распространенным приближением является использование псевдопотенциала вместо основных электронов, что значительно ускоряет моделирование.

В этом разделе рассматриваются два основных метода атомного моделирования в материаловедении . Другие методы, основанные на частицах, включают метод материальной точки и метод частиц в ячейке , которые чаще всего используются для механики твердого тела и физики плазмы соответственно.

Термин Молекулярная динамика (МД) — это историческое название, используемое для классификации симуляций классического атомного движения во времени. Обычно взаимодействия между атомами определяются и подгоняются как под экспериментальные, так и под данные электронной структуры с помощью широкого спектра моделей, называемых межатомными потенциалами . С заданными взаимодействиями (силами) ньютоновское движение численно интегрируется. Силы для МД также можно рассчитать с использованием методов электронной структуры, основанных либо на приближении Борна-Оппенгеймера, либо на подходах Кар-Парринелло .

Простейшие модели включают только притяжения типа Ван-дер-Ваальса и резкое отталкивание, чтобы удерживать атомы отдельно, природа этих моделей выводится из дисперсионных сил . Все более сложные модели включают эффекты, вызванные кулоновскими взаимодействиями (например, ионные заряды в керамике), ковалентными связями и углами (например, полимеры) и электронной плотностью заряда (например, металлы). Некоторые модели используют фиксированные связи, определенные в начале моделирования, в то время как другие имеют динамическую связь. Более поздние усилия направлены на надежные, переносимые модели с общими функциональными формами: сферические гармоники, гауссовы ядра и нейронные сети. Кроме того, МД можно использовать для моделирования группировок атомов внутри общих частиц, называемых крупнозернистым моделированием , например, создание одной частицы на мономер внутри полимера.

Монте-Карло в контексте материаловедения чаще всего относится к атомистическому моделированию, основанному на скоростях. В кинетическом Монте-Карло (КМК) скорости всех возможных изменений в системе определяются и оцениваются вероятностно. Поскольку нет ограничений на прямое интегрирование движения (как в молекулярной динамике ), методы КМК способны моделировать существенно различные проблемы с гораздо более длительными временными масштабами.

Перечисленные здесь методы являются одними из наиболее распространенных и напрямую связаны с материаловедением, в частности, где расчеты атомистической и электронной структуры также широко используются в вычислительной химии и вычислительной биологии , а моделирование на уровне континуума распространено в широком спектре прикладных областей вычислительной науки .

Другие методы в материаловедении включают клеточные автоматы для затвердевания и роста зерен, подходы модели Поттса для эволюции зерен и другие методы Монте-Карло , а также прямое моделирование структур зерен, аналогичное динамике дислокаций.

Пластическая деформация в металлах определяется движением дислокаций , которые являются кристаллическими дефектами в материалах с линейным характером. Вместо того, чтобы моделировать движение десятков миллиардов атомов для моделирования пластической деформации, что было бы чрезмерно затратным с точки зрения вычислений, дискретная динамика дислокаций (DDD) моделирует движение линий дислокаций. ^{[6] [7]} Общая цель динамики дислокаций — определить движение набора дислокаций с учетом их начальных положений, внешней нагрузки и взаимодействующей микроструктуры. Из этого можно извлечь макромасштабное поведение деформации из движения отдельных дислокаций с помощью теорий пластичности.

Типичное моделирование DDD выглядит следующим образом. ^{[6] [8]} Линия дислокации может быть смоделирована как набор узлов, соединенных сегментами. Это похоже на сетку, используемую в моделировании конечных элементов . Затем вычисляются силы на каждом из узлов дислокации. Эти силы включают любые внешние силы, силы, вызванные взаимодействием дислокации с самой собой или другими дислокациями, силы от препятствий, таких как растворенные вещества или осадки, и силу сопротивления дислокации из-за ее движения, которая пропорциональна ее скорости. Общий метод моделирования DDD заключается в вычислении сил, действующих на дислокацию в каждом из ее узлов, из которых можно извлечь скорость дислокации в ее узлах. Затем дислокация перемещается вперед в соответствии с этой скоростью и заданным временным шагом. Затем эта процедура повторяется. Со временем дислокация может столкнуться с достаточным количеством препятствий, так что она больше не сможет двигаться, а ее скорость будет близка к нулю, после чего моделирование можно остановить и провести новый эксперимент с этим новым расположением дислокаций.

Существуют как мелкомасштабные, так и крупномасштабные симуляции дислокаций. Например, двумерные модели дислокаций использовались для моделирования скольжения дислокации через одну плоскость при ее взаимодействии с различными препятствиями, такими как выделения . Это дополнительно охватывает такие явления, как сдвиг и изгиб выделений. ^{[8] [9]} Недостатком двумерных симуляций DDD является то, что явления, связанные с движением из плоскости скольжения, не могут быть охвачены, такие как поперечное скольжение и переползание , хотя их легче запустить вычислительно. ^[6] Малые трехмерные симуляции DDD использовались для моделирования таких явлений, как размножение дислокаций в источниках Франка-Рида , а более крупные симуляции могут охватывать деформационное упрочнение в металле со многими дислокациями, которые взаимодействуют друг с другом и могут размножаться. Существует ряд трехмерных кодов DDD, таких как ParaDiS, microMegas и MDDP, среди прочих. ^[6] Существуют и другие методы моделирования движения дислокаций, начиная с моделирования полной молекулярной динамики , динамики непрерывных дислокаций и моделей фазового поля .

^{[6] [7] [8] [9]}

Методы фазового поля фокусируются на явлениях, зависящих от интерфейсов и интерфейсного движения. Как функция свободной энергии, так и кинетика (подвижности) определяются для распространения интерфейсов внутри системы во времени.

Пластичность кристаллов имитирует эффекты атомного, дислокационного движения без прямого разрешения ни того, ни другого. Вместо этого ориентации кристаллов обновляются с течением времени с помощью теории упругости, пластичности через поверхности текучести и законов упрочнения. Таким образом, можно определить поведение материала под действием напряжений и деформаций.

Методы конечных элементов разделяют системы в пространстве и решают соответствующие физические уравнения на протяжении всего этого разложения. Это варьируется от тепловых, механических, электромагнитных до других физических явлений. Важно отметить с точки зрения материаловедения , что методы континуума обычно игнорируют неоднородность материала и предполагают, что локальные свойства материалов идентичны по всей системе.

Все описанные выше методы моделирования содержат модели поведения материалов. Примерами являются обменно-корреляционный функционал для теории функционала плотности, межатомный потенциал для молекулярной динамики и функционал свободной энергии для моделирования фазового поля. Степень чувствительности каждого метода моделирования к изменениям в базовой модели может кардинально различаться. Сами модели часто напрямую полезны для материаловедения и инженерии, а не только для запуска заданной симуляции.

Фазовые диаграммы являются неотъемлемой частью материаловедения, а разработка вычислительных фазовых диаграмм является одним из наиболее важных и успешных примеров ICME. Метод расчета фазовой диаграммы (CALPHAD) в общем случае не является симуляцией, но модели и оптимизации вместо этого приводят к фазовым диаграммам для прогнозирования фазовой стабильности, что чрезвычайно полезно при проектировании материалов и оптимизации процессов обработки материалов.

Для каждого метода моделирования материалов существует фундаментальная единица, характерная длина и временная шкала, а также связанная с ними модель(и). ^[1]

Многие из описанных методов можно комбинировать, используя их одновременно или по отдельности, передавая информацию между шкалами длины или уровнями точности.

В данном контексте параллельное моделирование означает методы, используемые непосредственно вместе, в одном и том же коде, с одним и тем же временным шагом и с прямым отображением между соответствующими фундаментальными единицами.

Одним из типов параллельного многомасштабного моделирования является квантовая механика/молекулярная механика ( КМ/ММ ). Это включает в себя запуск небольшой части (часто молекулы или белка, представляющего интерес) с более точным расчетом электронной структуры и окружение ее более крупной областью быстрой работы, менее точной классической молекулярной динамики . Существует много других методов, таких как атомистически-континуальное моделирование, похожее на КМ/ММ, за исключением использования молекулярной динамики и метода конечных элементов в качестве точного (высокой точности) и грубого (низкой точности) соответственно. ^[2]

Иерархическое моделирование относится к тем случаям, когда методы напрямую обмениваются информацией, но выполняются в отдельных кодах, при этом различия в длине и/или временных масштабах обрабатываются с помощью статистических или интерполяционных методов.

Распространенный метод учета эффектов ориентации кристаллов вместе с геометрией включает пластичность кристаллов в моделирование методом конечных элементов. ^[2]

Построение модели материалов в одном масштабе часто требует информации из другого, более низкого масштаба. Некоторые примеры включены здесь.

Наиболее распространенным сценарием для моделирования классической молекулярной динамики является разработка межатомной модели напрямую с использованием теории функционала плотности , чаще всего расчетов электронной структуры . Таким образом, классическая МД может считаться иерархической многомасштабной техникой, а также грубозернистым методом (игнорирующим электроны). Аналогично, грубозернистая молекулярная динамика представляет собой сокращенные или упрощенные моделирования частиц, напрямую обученные на основе моделирования МД для всех атомов. Эти частицы могут представлять что угодно, от псевдоатомов углерода-водорода, целых полимерных мономеров до частиц порошка.

Теория функционала плотности также часто используется для обучения и разработки фазовых диаграмм на основе CALPHAD .

Каждый метод моделирования и имитации имеет комбинацию коммерческих, открытых и лабораторных кодов. Открытое программное обеспечение становится все более распространенным, как и коды сообщества, которые объединяют усилия по разработке. Примерами являются Quantum ESPRESSO (DFT), LAMMPS (MD), ParaDIS (DD), FiPy (фазовое поле) и MOOSE (Continuum). Кроме того, открытое программное обеспечение из других сообществ часто полезно для материаловедения, например, GROMACS, разработанный в рамках вычислительной биологии .

Все основные конференции по материаловедению включают вычислительные исследования. TMS ICME World Congress, полностью сосредоточенный на вычислительных усилиях, собирается дважды в год. Gordon Research Conference on Computational Materials Science and Engineering началась в 2020 году. Также регулярно организуются многие другие меньшие конференции, посвященные конкретным методам.

Многие журналы по материаловедению , а также журналы из смежных дисциплин приветствуют исследования вычислительных материалов. Среди журналов, посвященных этой области, можно назвать Computational Materials Science , Modelling and Simulation in Materials Science and Engineering и npj Computational Materials.

Вычислительное материаловедение является одной из поддисциплин вычислительной науки и вычислительной инженерии , содержащей значительное совпадение с вычислительной химией и вычислительной физикой . Кроме того, многие атомистические методы являются общими для вычислительной химии , вычислительной биологии и CMSE; аналогично, многие методы континуума пересекаются со многими другими областями вычислительной инженерии .

• Всемирный конгресс TMS по комплексной вычислительной инженерии материалов (ICME)
• ресурсы вычислительных материалов nanoHUB