Table of Contents

Что такое функциональная теория плотности?

Функциональная теория плотности (DFT) — это метод квантово-механического моделирования, используемый для исследования электронной структуры систем многих тел, в частности атомов, молекул и конденсированных фаз. В своей основе DFT заменяет сложную многоэлектронную волновую функцию плотностью электронов в качестве фундаментальной переменной, резко снижая вычислительные затраты при сохранении высокой точности. Этот подход, основанный на теоремах Хохенберга-Кона и уравнениях Кона-Шама, позволяет ученым вычислять энергии основного состояния, электронные структуры и свойства материала из первых принципов. Для дальнейшего фундаментального чтения см. Функциональная теория плотности в Википедии .

DFT стал рабочей лошадкой вычислительной материаловедения, потому что он достигает баланса между точностью и осуществимостью. В отличие от методов на основе волновой функции, которые плохо масштабируются с размером системы, DFT может обычно обрабатывать сотни атомов, что делает его идеальным для моделирования неупорядоченных материалов, таких как очки.

Зачем использовать DFT для стеклянных материалов?

Стеклянные материалы по своей природе аморфны - им не хватает кристаллов с длительным периодическим порядком. Это структурное расстройство делает их экспериментальную характеристику сложной и дорогостоящей. DFT предлагает мощную альтернативу, позволяя атомистическое моделирование неупорядоченных сетей, предоставляя идеи, которые трудно или невозможно получить только с помощью экспериментов.

Понимание атомной структуры на наноуровне

С помощью DFT исследователи могут строить реалистичные модели стекла, помещая атомы в коробку моделирования и расслабляя их до минимальных конфигураций энергии. Этот процесс захватывает порядок короткого и среднего диапазона, который управляет ключевыми свойствами. Например, моделирование DFT силикатных стекол показывает распределение мостящих и несвязывающих атомов кислорода, которое напрямую коррелирует с вязкостью и химической долговечностью. Систематически изменяя состав, ученые могут нанести на карту, как каждый элемент влияет на стеклянную сеть.

Предсказание электронных и оптических свойств

Расчеты DFT обеспечивают подробную информацию об электронной структуре, включая полосовые зазоры, плотность состояний и оптические спектры поглощения. Для новых стеклянных материалов, предназначенных для фотоники или электроники, эти прогнозы определяют выбор допантов и модификаторов. Например, DFT использовался для исследования халькогенидных стекол для инфракрасной оптики, точно воспроизводя экспериментальные тенденции в показателях преломления и окнах прозрачности.

Моделирование неупорядоченных структур с помощью DFT

Одним из наиболее сложных аспектов науки о стекле является отсутствие единой структуры «основного состояния». Стекла занимают множество метастабильных конфигураций, и DFT помогает исследовать этот энергетический ландшафт. Общие подходы включают моделирование расплава, где жидкие фазы быстро охлаждаются в силико, или использование эмпирических потенциалов с последующей уточнением DFT.

Техника таяния и релаксации

В типичном исследовании DFT с плавильным закалкой жидкость уравновешивается при высокой температуре (например, 3000 К для силикатов), затем охлаждается по ступенчатой схеме до комнатной температуры. Полученная аморфная структура затем полностью расслабляется с использованием сил DFT. Этот процесс дает модели, которые близко соответствуют экспериментальным функциям распределения пар и данным рассеяния нейтронов.

Размер симулятора Cell

Поскольку DFT является вычислительно интенсивным, имитационные ячейки для очков часто ограничены несколькими сотнями атомов. Однако этого размера обычно достаточно для захвата локальных структурных мотивов, таких как кольца, клетки и координационные полиэдры. Для изучения эффектов большей дальности гибридные подходы объединяют DFT с классическими силовыми полями или потенциалами машинного обучения.

Ключевые свойства, исследованные DFT в новых очках

Исследователи применяют DFT к широкому спектру стеклянных систем, от традиционных силикатов до новых материалов, таких как металлические стекла, оксидные стекла для твердотельных батарей и стеклокерамика. Ниже приведены некоторые из наиболее важных свойств, проанализированных с помощью DFT.

Механические свойства: твердость и эластичность

Расчетом упругих констант из напряженно-деформационных отношений DFT может предсказать модуль Янга, модуль объемного и модуль сдвига стеклянных моделей. Это имеет решающее значение для проектирования стекла с высокой прочностью или необычной гибкостью. Например, исследования DFT на алюмосиликатных стеклах связали увеличение содержания Al с более высокой сетевой связностью и жесткостью.

Термическая стабильность и стеклянный переход

Хотя стеклообразный переход является динамическим процессом, DFT может обеспечить статические индикаторы, такие как конфигурационные энергетические различия между аморфной и кристаллической фазами. Эти данные помогают оценить термодинамическую движущую силу для кристаллизации, которая имеет решающее значение для способности стеклообразования.

Химическая долговечность и ионный транспорт

Для очков, используемых в биомедицинских имплантатах или иммобилизации ядерных отходов, первостепенное значение имеет химическая долговечность. Моделирование DFT воды или диффузии ионов через стеклянные сети идентифицирует уязвимые места, где происходит гидролиз или выщелачивание. Аналогичным образом, для натрий-ионных проводящих очков (например, для электролитов аккумуляторов) DFT выявляет миграционные барьеры и пути перколяции.

Тематические исследования: DFT применяется к новым стеклянным материалам

Несколько недавних исследований подчеркивают влияние DFT на исследования стекла.

Очки халькогенида для фотоники среднего инфракрасного диапазона

Халкогенидные очки (содержащие S, Se, Te) ценятся за их инфракрасную прозрачность. Расчеты DFT исследователями Кембриджского университета предсказали новые композиции Ge-As-Se с пониженными концентрациями дефектов, что привело к улучшению передачи. Эти прогнозы были экспериментально проверены, демонстрируя роль DFT в ускорении открытия.

Металлические очки с повышенной жесткостью

Насыпные металлические стекла (BMGs) страдают от хрупкости. Моделирование DFT на основе Zr BMGs показало, что добавление небольших количеств благородных металлов (например, Pd) изменяет порядок ближнего действия, подавляя формирование полосы сдвига. Это привело к разработке пластичной BMG с рекордной прочностью. Соответствующее исследование DFT по твердости металлического стекла предоставляет дополнительные детали.

Литий-ионные проводящие стеклянные электролиты

Твердотельные батареи требуют электролитов с высокой ионной проводимостью. Исследования DFT на литий-силикате и литий-фосфатных оксинитридных (LiPON) стеклах выявили, что увеличение соотношения небридингового кислорода усиливает диффузию Ли. Исследователи использовали DFT для отображения энергетического ландшафта для прыжка Ли, что привело к открытию новой стеклянной композиции с проводимостью, превышающей 1 мС/см при комнатной температуре.

Интеграция DFT с экспериментальными методами

Наиболее мощный подход сочетает в себе DFT с экспериментами. DFT может интерпретировать спектроскопические данные (NMR, XPS, Raman) путем моделирования спектров из вычислительных структур. И наоборот, экспериментальные данные подтверждают модели DFT. Эта синергия уменьшает потребность в длительных экспериментах с пробами и ошибками и позволяет рационально проектировать очки с индивидуальными свойствами.

Например, при разработке радиационно-стойких стекол для ядерных отходов ДФТ использовался для скрининга сотен комбинаций модификаторов, и синтезировались и тестировались только лучшие кандидаты. Такой подход сокращал время разработки на несколько месяцев.

Проблемы и ограничения DFT для очков

Несмотря на свою мощность, DFT имеет ограничения при применении к очкам. Стандартные функциональные возможности (например, LDA, GGA) могут недооценивать разрывы в полосах или не учитывать взаимодействия Ван-дер-Ваальса, что может быть важно в некоторых стеклянных системах. Доступны более продвинутые функциональные возможности, такие как гибридные функциональные возможности или DFT+U, но требуют больших вычислительных ресурсов.

Другая проблема заключается в конечном размере симуляционных клеток, которые могут не фиксировать структурную неоднородность, присутствующую в реальных очках. Кроме того, DFT является методом заземления, поэтому изучение температурно-зависимых свойств (например, вязкости) требует связи с молекулярной динамикой или методами Монте-Карло.

Будущие направления

Будущее DFT в науке о стекле яркое, обусловленное достижениями в алгоритмах и вычислительном оборудовании. Потенциалы машинного обучения, обученные на данных DFT, теперь позволяют моделировать миллионы атомов с точностью до DFT. Это позволит изучать структурное расслабление, перелом и ионный транспорт в масштабах длины, имеющих отношение к реальным устройствам.

Кроме того, разработка автоматизированных рабочих процессов DFT для высокопроизводительного скрининга готова ускорить открытие новых стеклянных композиций.В сочетании с робототехникой и автоматизированными экспериментами дизайн стекла на основе DFT может стать рутиной в промышленных R &D.

Заключение

Функциональная теория плотности изменила наше понимание новых стеклянных материалов, предоставив идеи атомного масштаба, которые дополняют и направляют экспериментальные усилия. От прогнозирования атомных устройств и электронных свойств до ускорения открытия высокопроизводительных очков для энергии, оптики и биомедицины, DFT является незаменимым инструментом в современной материаловедении. Поскольку вычислительные методы продолжают развиваться, синергия между DFT и экспериментом откроет еще более сложные стеклянные материалы со свойствами, адаптированными для удовлетворения технологических проблем завтрашнего дня.

Для тех, кто заинтересован в погружении глубже, статья о моделировании аморфных твердых тел ab initio предлагает всесторонний обзор методов и приложений. Исследователи, желающие применить DFT к своим собственным стеклянным системам, могут начать с кодов с открытым исходным кодом, таких как Quantum ESPRESSO, VASP или CP2K.