L'université de technologie de Graz révolutionne la simulation des cadres métallo-organiques (MOF)
Recherche plus efficace des propriétés souhaitées
Stockage de l'hydrogène, conduction de la chaleur, stockage du gaz, séquestration du CO2 et de l'eau : les cadres métallo-organiques (MOF) ont des propriétés extraordinaires dues à leur structure unique sous forme de cristaux microporeux, qui ont une très grande surface malgré leur petite taille. Cela les rend extrêmement intéressants pour la recherche et les applications pratiques. Cependant, les MOF sont des systèmes très complexes dont la simulation précise a nécessité jusqu'à présent beaucoup de temps et de puissance de calcul. Une équipe dirigée par Egbert Zojer, de l'Institut de physique des solides de l'Université de technologie de Graz (TU Graz), a désormais considérablement amélioré ces simulations grâce à l'apprentissage automatique, ce qui accélère grandement le développement et l'application de nouveaux MOF. Les chercheurs ont publié leur méthode dans la revue Nature Research npj Computational Materials.
Il était auparavant irréaliste de simuler avec la précision des méthodes de la mécanique quantique
"Pour simuler certaines propriétés des MOF, il est nécessaire de simuler d'énormes supercellules. Cela s'applique, par exemple, au calcul de la conduction de la chaleur dans les MOF, qui est très important pour presque toutes les applications. Les supercellules simulées contiennent souvent des dizaines de milliers, voire des centaines de milliers d'atomes. Pour ces énormes systèmes, il est alors nécessaire de résoudre les équations du mouvement cinq à dix millions de fois. Cela dépasse de loin les possibilités actuelles de calcul à l'aide de méthodes fiables de mécanique quantique", explique Egbert Zojer pour décrire le défi qu'il a fallu relever.
Ainsi, jusqu'à présent, des champs de force transférables, souvent paramétrés sur la base d'expériences, étaient souvent utilisés pour de tels calculs. Cependant, les résultats obtenus avec ces champs de force se sont avérés généralement insuffisamment fiables. L'utilisation de potentiels appris par la machine change radicalement la donne. Ceux-ci sont adaptés aux simulations de mécanique quantique en utilisant une interaction nouvellement développée d'algorithmes existants, y compris des approches développées à l'Université de Vienne. Pour l'apprentissage automatique nécessaire des potentiels en fonction des matériaux, les simulations de mécanique quantique ne doivent être effectuées que pour un nombre relativement faible de structures et pour des structures nettement plus petites. Par conséquent, les calculs sont beaucoup plus rapides et il est possible de simuler les forces dans les énormes supercellules plusieurs millions de fois sur les superordinateurs modernes. L'avantage décisif est qu'il n'y a pas de perte de précision par rapport aux simulations effectuées à l'aide de méthodes de mécanique quantique.
Une recherche plus efficace des propriétés souhaitées
Pour l'exemple de la conduction thermique des MOF, cela signifie que la nouvelle stratégie de simulation développée permettra de simuler les propriétés matérielles pertinentes avant même que les MOF ne soient synthétisés, ce qui permettra de développer de manière fiable des structures personnalisées sur l'ordinateur. Cela représente un grand pas en avant pour la recherche sur les matériaux complexes, qui, pour le transport de la chaleur, permettra par exemple aux chercheurs d'optimiser l'interaction entre les nœuds d'oxyde métallique et les liaisons organiques semi-conductrices. L'utilisation de la nouvelle stratégie de simulation permettra également de relever plus facilement des défis complexes. Par exemple, les MOF doivent avoir une bonne ou une mauvaise conductivité thermique en fonction de leur application.
Un système de stockage d'hydrogène, par exemple, doit être capable de bien dissiper la chaleur, tandis que dans les applications thermoélectriques, une bonne conduction électrique doit être combinée avec une dissipation de chaleur la plus faible possible. Outre la simulation de la conductivité thermique, les nouveaux potentiels appris par la machine sont également parfaits pour calculer d'autres propriétés dynamiques et structurelles des MOF. Il s'agit notamment des structures cristallographiques, des constantes élastiques, ainsi que des spectres vibrationnels et des phonons, qui jouent un rôle décisif dans la stabilité thermique des MOF et leurs propriétés de transport de charges.
Des chiffres quantitativement fiables
"Nous disposons désormais d'outils dont nous savons qu'ils sont incroyablement efficaces pour nous fournir des chiffres quantitatifs fiables. Cela nous permet de modifier systématiquement les structures des MOF dans les simulations, tout en sachant que les propriétés simulées seront exactes. Cela nous permettra, sur la base de la causalité, de comprendre quelles modifications de la structure atomistique génèrent les effets souhaités", explique Egbert Zojer, qui sait que des groupes de recherche de Munich et de Bayreuth ont déjà adopté la nouvelle stratégie de simulation malgré sa récente publication.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.