استفاده از تئوری عملکردی برای درک مواد شیشه ای جدید

نظریه تابع چگالی چیست؟

تئوری عملکردی چگالی (DFT) یک روش مدل سازی مکانیکی کوانتومی است که برای بررسی ساختار الکترونیکی بسیاری از سیستم های بدن، به ویژه اتم ها، مولکول ها و مراحل فشرده شده استفاده می شود.در هسته آن، DFT جایگزین پیچیده بسیاری از الکترونی الکترونی تابع چگالی الکترون به عنوان متغیر بنیادی، به طور چشمگیری کاهش هزینه محاسباتی در حالی که دقت بالا حفظ این رویکرد، ریشه در نظریه ی Hoenberg-Kens و ساختارهای خواندن مواد اولیه، اجازه می دهد تا خواص بنیادی را از انرژی های کاربردی بیشتر مشاهده کند.

DFT تبدیل به یک کاربان علوم مواد محاسباتی شده است، زیرا تعادل بین دقت و امکان سنجی را به همراه می آورد، بر خلاف روش های مبتنی بر موج که با اندازه سیستم ضعیف است، DFT به طور معمول می تواند صدها اتم را کنترل کند، و آن را برای مدل سازی مواد اختلال مانند عینک ایده آل می کند.

چرا از DFT برای مواد شیشه ای استفاده می کنیم؟

مواد شیشه ای ذاتاً بی شکل هستند – آنها فاقد نظم دوره ای طولانی مدت کریستال ها هستند، این اختلال ساختاری باعث می شود که شخصیت تجربی آنها به چالش کشیده و گران شود. DFT یک جایگزین قدرتمند با فعال کردن شبیه سازی های اتم از شبکه های اختلال، ارائه بینش هایی که دشوار یا غیر ممکن است از طریق آزمایش به دست آورند.

درک ساختار اتمی در مقیاس نانو

با DFT، محققان می توانند مدل های واقع گرایانه شیشه را با قرار دادن اتم ها در جعبه شبیه سازی و آرامش آنها به حداقل تنظیمات انرژی، این فرآیند، نظم کوتاه و متوسط را که به طور مستقیم با خواص کلیدی سازگار است، ایجاد کنند.برای مثال، شبیه سازی DFT عینک سیلیکات توزیع شکننده و اتم های اکسیژن غیر هیبریدی را نشان می دهد که به طور مستقیم با ویسکوزیته و دانشمندان مختلف ارتباط دارد.

پیش بینی خواص الکترونیکی و نوری

DFT محاسبات ارائه اطلاعات دقیق ساختار الکترونیک، از جمله شکاف های باند، تراکم دولت ها و جذب نوری طیفa. برای مواد شیشه ای جدید طراحی شده برای فوتونیک یا الکترونیک، این پیش بینی ها انتخاب دوپینگ و اصلاح کنندگان را هدایت می کند.

ساختار اختلال زای ساده با DFT

یکی از چالش برانگیزترین جنبه های علم شیشه ای فقدان ساختار تک "حالت پیش زمینه" است. عینک بسیاری از پیکربندی های متاسپار را اشغال می کند و DFT به کشف این چشم انداز انرژی کمک می کند. رویکردهای مشترک شامل شبیه سازی های ذوب شده، جایی که فازهای مایع به سرعت در silico سرد می شوند، یا استفاده از پتانسیل های تجربی به دنبال اصلاح DFT.

تکنیک های Melt-Quench و آرامش بخش

در یک مطالعه معمولی آب و هوا DFT، مایع در دمای بالا (به عنوان مثال، ۳۰۰۰ K برای سیلیکات)، سپس گام به سمت دمای اتاق خنک می شود، سپس ساختار بی نظیر آن به طور کامل با استفاده از نیروهای DFT آرام می شود.این فرایند مدل هایی که عملکرد توزیع جفت و داده های نوترونی را به دقت مطابقت می دهند.

شبیه سازی سلول اندازه

از آنجا که DFT به طور محاسباتی فشرده است، سلول های شبیه سازی برای عینک اغلب به چند صد اتم محدود می شوند، این اندازه معمولا برای جذب بافت های ساختاری محلی مانند حلقه ها، قفس ها و پلی هارا هماهنگی کافی است.

املاک کلیدی که توسط DFT در عینک های جدید سرمایه گذاری شده است

محققان DFT را به طیف گسترده ای از سیستم های شیشه ای، از سیلیکات های سنتی گرفته تا مواد نوظهور مانند عینک فلزی، عینک های اکسید برای باتری های جامد دولتی و شیشه ای در زیر برخی از مهمترین خواص تجزیه و تحلیل شده از طریق DFT.

ویژگی های مکانیکی: سختی و Elasticity

با محاسبه ثابت های الاستیک از روابط استرس زا، DFT می تواند modulus جوان، modulus عمده را پیش بینی کند و Hear modulus از مدل های شیشه ای را افزایش می دهد.این برای طراحی شیشه با قدرت بالا یا انعطاف پذیری غیر معمول بسیار مهم است.

ثبات حرارتی و انتقال شیشه

اگرچه انتقال شیشه ای یک فرآیند پویا است، DFT می تواند شاخص های استاتیک مانند تفاوت های انرژی پیکربندی بین مراحل غیر قابل شکل و کریستالی را ارائه دهد.این بینش ها به برآورد نیروی محرک ترمودینامیک برای کریستال سازی کمک می کند که برای توانایی های شیشه ای بسیار مهم است.

قابلیت های شیمیایی و حمل و نقل یون

برای عینک های مورد استفاده در ایمپلنت های زیست پزشکی یا بی تحرکی هسته ای، دوام شیمیایی بسیار مهم است. شبیه سازی DFT آب یا انتشار یون از طریق شبکه های شیشه ای شناسایی سایت های آسیب پذیر که هیدرولیزوز یا پلنگ به طور مشابه اتفاق می افتد، برای عینک های رسانای سدیم (به عنوان مثال برای الکترولیت های باتری)، DFT موانع مهاجرت و مسیرهای انقباض را نشان می دهد.

مطالعات موردی: DFT کاربردی برای مواد شیشه ای جدید

مطالعات اخیر نشان دهنده تاثیر DFT بر تحقیقات شیشه ای است.

عینک های چالاکید برای عکس های مادون قرمز میانه

عینک های چالاکید (شامل S، Se، Te) برای شفافیت مادون قرمز خود جایزه داده می شوند. DFT محاسبات توسط محققان در دانشگاه کمبریج پیش بینی ترکیب های جدید Ge-As-Se با کاهش غلظت های نقص، منجر به بهبود انتقال.

عینک فلزی با افزایش سختی

عینک فلزی (BMGs) از شکننده بودن رنج می برد. DFT شبیه سازی در Xr-based BMGs نشان داد که اضافه کردن مقادیر کمی از فلزات نجیب (به عنوان مثال، Pd) تغییر سفارش کوتاه مدت برد، سرکوب تشکیل باند هلی کوپتر، این منجر به طراحی یک مجرای BMile با رکورد سخت (به عنوان مثال، مطالعه شیشه ای در مورد جزئیات فلزی بیشتر، توضیح می دهد.

لیزر درمانی Glass Electrolytes

باتری های حالت جامد نیاز به الکترولیت با هدایت بالا ایونیک دارند. DFT مطالعات در مورد سیلیکات لیتیوم و فسفر oxynitride (LiPON) نشان داد که افزایش نسبت اکسیژن غیر هیبریدی باعث افزایش انتشار Li می شود. محققان از DFT برای نقشه برداری چشم انداز انرژی برای لیhopping، که منجر به کشف یک ترکیب جدید هدایت شیشه با بیش از 1 متر / سانتی متر در دمای اتاق است.

ادغام DFT با روش های تجربی

قوی ترین رویکرد DFT را با آزمایش ترکیب می کند. DFT می تواند داده های طیفوسکوپی (NMR، XPS، Raman) را با شبیه سازی طیفa از ساختارهای محاسبه شده، داده های تجربی مدل های DFT را تأیید کند. این synergy نیاز به آزمایش زمان و آزمایش های تروریستی را کاهش می دهد [FLT 1] و عینک های طراحی با خواص منطقی طراحی می کند.

به عنوان مثال، در توسعه عینک های مقاوم به تشعشع برای زباله های هسته ای، DFT برای نمایش صدها ترکیب اصلاح کننده استفاده شد و تنها کاندیداهای برتر در این روش، زمان توسعه را تا چند ماه کاهش دادند.

چالش ها و محدودیت های DFT برای عینک

علی رغم قدرت آن، DFT محدودیت هایی دارد که برای عینک زدن به کار می رود.عملکردهای استاندارد (به عنوان مثال LDA، GGA) ممکن است شکاف های گروهی را دست کم بگیرند یا نتوانند تعاملات ون در واتال را که می تواند در سیستم های شیشه ای خاص مهم باشد، نادیده بگیرند.

چالش دیگر اندازه محدود سلول های شبیه سازی است که ممکن است ناهمگنی ساختاری موجود در عینک های واقعی را ثبت نکند، علاوه بر این، DFT یک روش حالت زمین است، بنابراین مطالعه خواص وابسته به دما (به عنوان مثال، ویسکوزیته) نیاز به اتصال با پویایی مولکولی یا تکنیک مونت کارلو دارد.

مسیر های آینده

آینده DFT در علوم شیشه روشن است، با پیشرفت در الگوریتم ها و سخت افزار محاسباتی. پتانسیل های یادگیری ماشین آموزش دیده در داده های DFT در حال حاضر اجازه می دهد شبیه سازی میلیون ها اتم با دقت نزدیک به DFT. این امر مطالعات آرامش ساختاری، شکستگی و حمل و نقل یون را در مقیاس های طول مربوط به دستگاه های واقعی فعال می کند.

علاوه بر این، توسعه جریان های کار DFT خودکار برای غربالگری بالا خروجی آماده است تا سرعت کشف ترکیبات شیشه ای جدید همراه با رباتیک و آزمایش های خودکار، طراحی شیشه ای DFT محور می تواند به طور معمول در R& صنعتی تبدیل شود؛D.

نتیجه گیری

تئوری عملکردی درک ما از مواد شیشه ای جدید را با ارائه بینش های مقیاس اتمی که مکمل و هدایت تلاش های تجربی است، از پیش بینی ترتیبات اتمی و خواص الکترونیکی برای تسریع کشف عینک های با کارایی بالا برای انرژی، اپتیک و بیوشیمی، DFT یک ابزار ضروری در علوم مواد مدرن است.به عنوان روش های محاسباتی ادامه می یابد، synergy بین DFT و آزمایش شیشه ای حتی باز خواهد شد تا با چالش های پیچیده تر از مواد تکنولوژیکی سازگار شود.

برای کسانی که علاقه مند به غواصی عمیق تر هستند، مقالات امروز در مورد مدل سازی ab initio از جامدات غیر قابل شکل ارائه می دهد یک بررسی جامع از تکنیک ها و برنامه های کاربردی محققان به دنبال اعمال DFT به سیستم های شیشه ای خود را می تواند با کدهای منبع باز مانند Quantum ESpus.O، VASP، و یا CP2K شروع کند.