• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Fysik
    QMC -simuleringar avslöjar magnetiska egenskaper hos titanoxidmaterial

    Diffusion Monte Carlo-centrifugeringstäthet för lågtemperatur Ti4O7 ferromagnetisk (vänster), antiferromagnetisk 3 (i mitten), och antiferromagnetiska 1 -faser. Gult representerar en positiv centrifugeringstäthet (eller snurr upp) och blått representerar en negativ centrifugeringstäthet (eller snurrar ner). Upphovsman:Anouar Benali och Olle Heinonen, Argonne National Laboratory

    Genom att köra beräkningsintensiva kvant Monte Monte -simuleringar vid Argonne Leadership Computing Facility (ALCF), ett US Department of Energy (DOE) Office of Science User Facility, forskare har visat förmågan att exakt beräkna de magnetiska egenskaperna hos ett titanoxidmaterial som uppvisar användbara egenskaper för förnybar energi och datorteknik.

    Ditt hus är troligen fyllt med titandioxid (TiO2), från färgen på dina väggar, till solskyddsmedel och tandkräm i ditt badrum, till papper på ditt skrivbord. Ett strålande vitt pulver, titandioxid är en övergångsmetalloxid som har många gynnsamma egenskaper, inklusive optiska och katalytiska.

    "Titanoxider är mångsidiga övergångsmetallföreningar som kan användas för en rad applikationer, inklusive elektroniska enheter och fotokatalys, "sa Olle Heinonen, materialvetare vid Argonne National Laboratory.

    Även om titandioxid kan vara det mest välkända titanoxidmaterialet, ett av dess derivat, Ti 4 O 7 , är ett annat material av intresse på grund av dess potentiella tillämpningar i resistiva minnen och oxidbaserade bränslecellelektroder. För att utforska sådana applikationer, forskare måste bättre förstå dess elektroniska och magnetiska egenskaper.

    Med Miras beräkningskraft, ALCF:s 10-petaflops IBM Blue Gene/Q-superdator, forskare har, för första gången, exakt beräknat de magnetiska egenskaperna hos Ti 4 O 7 med quantum Monte Carlo (QMC) simuleringar.

    Lagets resultat, publicerad i Fysisk kemi Kemisk fysik , avslöja Ti 4 O 7 grundtillstånd - materialets egenskaper vid lägsta möjliga energitillstånd. Genom att exakt beräkna marktillståndet, forskare kan bestämma eller utläsa många viktiga materialegenskaper, såsom kristallstruktur, ledningsförmåga, och magnetism.

    "Beräkning av marktillståndet är avgörande för beräkningsprognoser av ett material beteende under realistiska förhållanden där temperatur, tryck, och tiden kan ändra dess struktur, "sade Anouar Benali, ALCF beräkningsvetare och huvudförfattare till studien.

    Eftersom Ti 4 O 7 har flera magnetiska tillstånd nära energi, forskare kunde tidigare inte slutgiltigt bestämma grundtillståndet genom experiment eller andra beräkningsmetoder, såsom densitetsfunktionell teori (DFT). Dock, med tillgång till Mira, forskargruppen kunde utföra QMC-beräkningar som hjälpte till att lösa den långvariga osäkerheten med Ti 4 O 7 genom att identifiera de tre magnetiska faserna som äventyrar materialets grundtillstånd.

    Även om QMC kräver så mycket som 1, 000 gånger datorkraften för en typisk DFT -beräkning, metoden kan exakt beräkna de komplexa interaktionerna mellan många elektroner. På grund av dess beräkningskostnad, QMC -simuleringar var en gång begränsade till modelleringssystem för små atomer eller molekyler, men framväxten av superdatorer som Mira har nu gjort det möjligt att använda QMC för noggranna beräkningar av mer komplicerade material.

    För Ti 4 O 7 studie, forskare använde QMCPACK -applikationen som utvecklats av Argonne, Oak Ridge, Sandia, och Lawrence Livermore nationella laboratorier. Genom att skriva om de mest beräkningsintensiva delarna av QMCPACK med hjälp av kompilatorspecifika tillägg (kallade vektorintrinsik) för att bättre använda IBM Blue Gene/Q -processorn, ALCF -beräkningsvetare, inklusive Benali, Ye Luo, och Vitali Morozov, kunde förbättra QMCPACK -prestanda på Mira med 30 procent. Dessutom, genom att skriva om kod för att använda enkel precision istället för dubbel precision i viktiga datastrukturer, de minskade mängden data som behövde lagras i minnet med 45 procent.

    "Dessa kodförbättringar gjorde att vi kunde studera större elektroniska system på kortare tid, Sa Benali.

    © Vetenskap https://sv.scienceaq.com