La ciencia e ingeniería de materiales computacionales utiliza modelos, simulación, teoría e informática para comprender los materiales. Los principales objetivos incluyen descubrir nuevos materiales, determinar el comportamiento y los mecanismos de los materiales, explicar los experimentos y explorar las teorías de los materiales. Es análogo a la química computacional y la biología computacional como un subcampo cada vez más importante de la ciencia de los materiales .
Introducción
Así como la ciencia de los materiales abarca todas las escalas de longitud, desde los electrones hasta los componentes, también lo hacen sus subdisciplinas computacionales. Si bien se han desarrollado y se siguen desarrollando muchos métodos y variaciones, han surgido siete técnicas o motivos principales de simulación. [1]
Estos métodos de simulación por computadora utilizan modelos y aproximaciones subyacentes para comprender el comportamiento del material en escenarios más complejos de lo que la teoría pura generalmente permite y con más detalle y precisión de lo que a menudo es posible a partir de experimentos. Cada método se puede utilizar de forma independiente para predecir las propiedades y los mecanismos de los materiales, para alimentar información a otros métodos de simulación que se ejecutan por separado o simultáneamente, o para comparar o contrastar directamente con los resultados experimentales. [2]
Un subcampo notable de la ciencia de los materiales computacionales es la ingeniería de materiales computacionales integrada (ICME), que busca utilizar resultados y métodos computacionales junto con experimentos, con un enfoque en la aplicación industrial y comercial. [3] Los principales temas actuales en el campo incluyen la cuantificación de la incertidumbre y la propagación a través de simulaciones para la toma de decisiones eventual, infraestructura de datos para compartir entradas y resultados de simulación, [4] diseño y descubrimiento de materiales de alto rendimiento, [5] y nuevos enfoques con aumentos significativos. en el poder de la computación y la historia continua de la supercomputación .
Métodos de simulación de materiales
Estructura electronica
Los métodos de estructura electrónica resuelven la ecuación de Schrödinger para calcular la energía de un sistema de electrones y átomos, las unidades fundamentales de la materia condensada. Existen muchas variaciones de métodos de estructura electrónica de diversa complejidad computacional, con una gama de compensaciones entre velocidad y precisión.
Teoría funcional de la densidad
Debido a su equilibrio entre el costo computacional y la capacidad predictiva, la teoría funcional de densidad (DFT) tiene el uso más significativo en la ciencia de los materiales . DFT se refiere más a menudo al cálculo del estado de energía más bajo del sistema; sin embargo, la dinámica molecular (movimiento atómico a través del tiempo) se puede ejecutar con fuerzas de cálculo DFT entre átomos.
Si bien DFT y muchos otros métodos de estructuras electrónicas se describen como ab initio , todavía existen aproximaciones y entradas. Dentro de DFT hay aproximaciones cada vez más complejas, precisas y lentas subyacentes a la simulación porque no se conoce la función exacta de correlación de intercambio. El modelo más simple es la aproximación de densidad local (LDA), que se vuelve más complejo con la aproximación de gradiente generalizado (GGA) y más allá. Una aproximación común adicional es usar un pseudopotencial en lugar de electrones centrales, lo que acelera significativamente las simulaciones.
Métodos atomísticos
Esta sección analiza los dos principales métodos de simulación atómica en la ciencia de los materiales . Otros métodos basados en partículas incluyen el método del punto de material y la partícula en la celda , que se utilizan con mayor frecuencia para la mecánica de sólidos y la física del plasma, respectivamente.
Dinámica molecular
El término dinámica molecular (MD) es el nombre histórico utilizado para clasificar las simulaciones del movimiento atómico clásico a través del tiempo. Por lo general, las interacciones entre los átomos se definen y se ajustan a los datos de estructura tanto experimentales como electrónicos con una amplia variedad de modelos, llamados potenciales interatómicos . Con las interacciones prescritas (fuerzas), el movimiento newtoniano se integra numéricamente. Las fuerzas para MD también se pueden calcular utilizando métodos de estructura electrónica basados en la aproximación de Born-Oppenheimer o en los enfoques de Car-Parrinello .
Los modelos más simples incluyen solo atracciones de tipo van der Waals y repulsión pronunciada para mantener los átomos separados; la naturaleza de estos modelos se deriva de las fuerzas de dispersión . Los modelos cada vez más complejos incluyen efectos debidos a interacciones de culombio (por ejemplo, cargas iónicas en cerámicas), enlaces y ángulos covalentes (por ejemplo, polímeros) y densidad de carga electrónica (por ejemplo, metales). Algunos modelos utilizan enlaces fijos, definidos al inicio de la simulación, mientras que otros tienen enlaces dinámicos. Los esfuerzos más recientes buscan modelos robustos y transferibles con formas funcionales genéricas: armónicos esféricos, núcleos gaussianos y redes neuronales. Además, MD se puede utilizar para simular agrupaciones de átomos dentro de partículas genéricas, lo que se denomina modelado de grano grueso , por ejemplo, creando una partícula por monómero dentro de un polímero.
Montecarlo cinético
Monte Carlo en el contexto de la ciencia de los materiales se refiere con mayor frecuencia a simulaciones atomísticas que se basan en tasas. En cinética Monte Carlo (kMC), las tasas para todos los cambios posibles dentro del sistema se definen y evalúan probabilísticamente. Debido a que no hay restricción de movimiento de integración directa (como en la dinámica molecular ), los métodos de kMC pueden simular problemas significativamente diferentes con escalas de tiempo mucho más largas.
Métodos de mesoescala
Los métodos enumerados aquí se encuentran entre los más comunes y los más directamente relacionados con la ciencia de materiales específicamente, donde atomista y los cálculos de estructura electrónica son también ampliamente usados en la química computacional y la biología computacional y simulaciones a nivel del continuum son comunes en una amplia gama de la ciencia computacional dominios de aplicación .
Otros métodos dentro de la ciencia de materiales incluyen autómatas celulares para solidificación y crecimiento de granos, enfoques del modelo de Potts para la evolución de granos y otras técnicas de Monte Carlo , así como la simulación directa de estructuras de granos análogas a la dinámica de dislocación.
Dinámica de la dislocación
La deformación plástica en los metales está dominada por el movimiento de las dislocaciones , que son defectos cristalinos en materiales con carácter de línea. En lugar de simular el movimiento de decenas de miles de millones de átomos para modelar la deformación plástica, que sería prohibitivamente costosa desde el punto de vista computacional, la dinámica de dislocación discreta (DDD) simula el movimiento de las líneas de dislocación. [6] [7] El objetivo general de la dinámica de la dislocación es determinar el movimiento de un conjunto de dislocaciones dadas sus posiciones iniciales, la carga externa y la microestructura interactiva. A partir de esto, el comportamiento de deformación a macroescala se puede extraer del movimiento de las dislocaciones individuales mediante las teorías de la plasticidad.
Una simulación DDD típica es la siguiente. [6] [8] Una línea de dislocación se puede modelar como un conjunto de nodos conectados por segmentos. Esto es similar a una malla utilizada en el modelado de elementos finitos . Luego, se calculan las fuerzas en cada uno de los nodos de la dislocación. Estas fuerzas incluyen cualquier fuerza aplicada externamente, fuerzas debidas a la dislocación que interactúa consigo misma u otras dislocaciones, fuerzas de obstáculos como solutos o precipitados y la fuerza de arrastre sobre la dislocación debida a su movimiento, que es proporcional a su velocidad. El método general detrás de una simulación DDD es calcular las fuerzas sobre una dislocación en cada uno de sus nodos, de los cuales se puede extraer la velocidad de la dislocación en sus nodos. Luego, la dislocación se mueve hacia adelante de acuerdo con esta velocidad y un intervalo de tiempo dado. Luego se repite este procedimiento. Con el tiempo, la dislocación puede encontrar suficientes obstáculos como para que ya no pueda moverse y su velocidad sea cercana a cero, momento en el que se puede detener la simulación y se puede realizar un nuevo experimento con esta nueva disposición de dislocación.
Existen simulaciones de dislocaciones tanto a pequeña como a gran escala. Por ejemplo, los modelos de dislocación 2D se han utilizado para modelar el deslizamiento de una dislocación a través de un solo plano cuando interactúa con varios obstáculos, como precipitados . Esto captura aún más fenómenos como el cizallamiento y el arqueamiento de los precipitados. [8] [9] El inconveniente de las simulaciones DDD 2D es que los fenómenos que involucran el movimiento fuera de un plano de planeo no se pueden capturar, como el deslizamiento cruzado y el ascenso , aunque son más fáciles de ejecutar computacionalmente. [6] Se han utilizado pequeñas simulaciones 3D DDD para simular fenómenos como la multiplicación de dislocaciones en fuentes Frank-Read , y las simulaciones más grandes pueden capturar el endurecimiento por trabajo en un metal con muchas dislocaciones, que interactúan entre sí y pueden multiplicarse. Existen varios códigos DDD 3D, como ParaDiS, microMegas y MDDP, entre otros. [6] Existen otros métodos para simular el movimiento de la dislocación, desde simulaciones de dinámica molecular completa , dinámica de dislocación continua y modelos de campo de fase .
[6] [7] [8] [9]
Campo de fase
Los métodos de campo de fase se centran en fenómenos que dependen de las interfaces y el movimiento interfacial. Tanto la función de energía libre como la cinética (movilidades) se definen para propagar las interfaces dentro del sistema a través del tiempo.
Plasticidad cristalina
La plasticidad cristalina simula los efectos del movimiento de dislocación de base atómica sin resolver directamente ninguno de los dos. En cambio, las orientaciones de los cristales se actualizan a través del tiempo con la teoría de la elasticidad, la plasticidad a través de las superficies de fluencia y las leyes de endurecimiento. De esta forma se puede determinar el comportamiento tensión-deformación de un material.
Simulación continua
Método de elementos finitos
Los métodos de elementos finitos dividen los sistemas en el espacio y resuelven las ecuaciones físicas relevantes a lo largo de esa descomposición. Esto abarca desde fenómenos térmicos, mecánicos, electromagnéticos hasta otros fenómenos físicos. Es importante señalar, desde la perspectiva de la ciencia de los materiales , que los métodos continuos generalmente ignoran la heterogeneidad del material y asumen que las propiedades de los materiales locales son idénticas en todo el sistema.
Métodos de modelado de materiales
Todos los métodos de simulación descritos anteriormente contienen modelos de comportamiento de los materiales. La función de intercambio-correlación para la teoría funcional de la densidad, el potencial interatómico para la dinámica molecular y la función de energía libre para las simulaciones de campo de fase son ejemplos. El grado en que cada método de simulación es sensible a los cambios en el modelo subyacente puede ser drásticamente diferente. Los modelos en sí mismos a menudo son directamente útiles para la ciencia y la ingeniería de materiales, no solo para ejecutar una simulación determinada.
CALPHAD
Los diagramas de fase son parte integral de la ciencia de los materiales y el desarrollo de los diagramas de fase computacional se erige como uno de los ejemplos más importantes y exitosos de ICME. El método de cálculo de diagrama de fase (CALPHAD) no constituye en general una simulación, pero los modelos y optimizaciones dan como resultado diagramas de fase para predecir la estabilidad de fase, extremadamente útil en el diseño de materiales y la optimización de procesos de materiales.
Comparación de métodos
Para cada método de simulación de material, hay una unidad fundamental, una longitud característica y una escala de tiempo y modelos asociados. [1]
Método | Unidad (es) fundamental (es) | Escala de longitud | Escala de tiempo | Modelo (s) principal |
---|---|---|---|---|
Química cuántica | Electrón, átomo | pm | PD | Métodos de función de onda de muchos cuerpos , conjunto básico |
Teoría funcional de la densidad | Electrón, átomo | pm | PD | Correlación de intercambio funcional , conjunto de bases |
Dinámica molecular | Átomo, Molécula | Nuevo Méjico | ps - ns | Potencial interatómico |
Montecarlo cinético | Átomo, Molécula, Clúster | nm - μm | ps - μs | Potencial interatómico , coeficientes de tarifa |
Dinámica de la dislocación | Dislocación | μm | ns - μs | Interacciones Peach-Koehler Force , Slip System |
Campo de fase | Grano, Interfaz | μm - mm | ns - μs | Energía libre funcional |
Plasticidad cristalina | Orientación cristalina | μm - mm | μs - ms | Función de endurecimiento y superficie de fluencia |
Elemento finito | Elemento de volumen | mmm | ms - s | ecuación de haz , ecuación de calor , etc. |
Simulación multiescala
Muchos de los métodos descritos se pueden combinar juntos, ya sea ejecutándose simultáneamente o por separado, alimentando información entre escalas de longitud o niveles de precisión.
Multiescala concurrente
Simulaciones concurrentes en este contexto significa métodos usados directamente juntos, dentro del mismo código, con el mismo paso de tiempo, y con mapeo directo entre las respectivas unidades fundamentales.
Un tipo de simulación multiescala concurrente es la mecánica cuántica / mecánica molecular ( QM / MM ). Esto implica ejecutar una pequeña porción (a menudo una molécula o proteína de interés) con un cálculo de estructura electrónica más precisa y rodearla con una región más grande de dinámica molecular clásica de ejecución rápida y menos precisa . Existen muchos otros métodos, como las simulaciones atomísticas-continuas, similares a QM / MM, excepto que utilizan la dinámica molecular y el método de elementos finitos como fino (alta fidelidad) y grueso (baja fidelidad), respectivamente. [2]
Multiescala jerárquica
La simulación jerárquica se refiere a aquellos que intercambian información directamente entre métodos, pero se ejecutan en códigos separados, con diferencias en la duración y / o escalas de tiempo manejadas a través de técnicas estadísticas o interpolativas.
Un método común de contabilizar los efectos de orientación del cristal junto con la geometría incorpora la plasticidad del cristal dentro de las simulaciones de elementos finitos. [2]
Modelo de desarrollo
La construcción de un modelo de materiales a una escala a menudo requiere información de otra escala inferior. Aquí se incluyen algunos ejemplos.
El escenario más común para las simulaciones clásicas de dinámica molecular es desarrollar el modelo interatómico directamente utilizando la teoría funcional de la densidad , la mayoría de las veces cálculos de estructura electrónica . Por lo tanto, la MD clásica puede considerarse una técnica jerárquica de múltiples escalas, así como un método de grano grueso (ignorando los electrones). De manera similar, la dinámica molecular de grano grueso son simulaciones de partículas reducidas o simplificadas entrenadas directamente a partir de simulaciones MD de todos los átomos. Estas partículas pueden representar cualquier cosa, desde pseudoátomos de carbono-hidrógeno, monómeros poliméricos completos, hasta partículas de polvo.
La teoría funcional de la densidad también se utiliza a menudo para entrenar y desarrollar diagramas de fase basados en CALPHAD .
Software y herramientas
Cada método de modelado y simulación tiene una combinación de códigos comerciales, de código abierto y de laboratorio. El software de código abierto se está volviendo cada vez más común, al igual que los códigos comunitarios que combinan los esfuerzos de desarrollo. Los ejemplos incluyen Quantum ESPRESSO (DFT), LAMMPS (MD), ParaDIS (DD), FiPy (campo de fase) y MOOSE (Continuum). Además, el software abierto de otras comunidades suele ser útil para la ciencia de los materiales, por ejemplo, GROMACS desarrollado dentro de la biología computacional .
Conferencias
Todas las conferencias de ciencia de materiales importantes incluyen investigación computacional. Centrándose completamente en los esfuerzos computacionales, el Congreso Mundial TMS ICME se reúne cada dos años. La Conferencia de investigación Gordon sobre ciencia e ingeniería de materiales computacionales comenzó en 2020. También se organizan regularmente muchas otras conferencias más pequeñas específicas de métodos.
Revistas
Muchas revistas de ciencia de materiales , así como las de disciplinas relacionadas, dan la bienvenida a la investigación de materiales computacionales. Los dedicados al campo incluyen Ciencia de Materiales Computacionales , Modelado y Simulación en Ciencia e Ingeniería de Materiales y Materiales Computacionales npj.
Campos relacionados
La ciencia de los materiales computacionales es una subdisciplina tanto de la ciencia computacional como de la ingeniería computacional , que contiene una superposición significativa con la química computacional y la física computacional . Además, muchos métodos atomísticos son comunes entre la química computacional , la biología computacional y CMSE; de manera similar, muchos métodos continuos se superponen con muchos otros campos de la ingeniería computacional .
Ver también
- Ingeniería de materiales computacionales integrada
- Informática de materiales
- Simulación por ordenador
- Modelado molecular
- Comparación de software para modelado de mecánica molecular
Referencias
- ↑ a b LeSar, Richard (6 de mayo de 2013). Introducción a la ciencia de los materiales computacionales: fundamentos de las aplicaciones (1ª ed.). Cambridge; Nueva York: Cambridge University Press. ISBN 978-0-521-84587-8.
- ^ a b c Modelado a través de escalas: un estudio de hoja de ruta para conectar modelos de materiales y simulaciones en escalas de longitud y tiempo (informe). Sociedad de Minerales, Metales y Materiales (TMS). 2015 . Consultado el 20 de agosto de 2019 .
- ^ Allison, John; Backman, Dan; Christodoulou, Leo (1 de noviembre de 2006). "Ingeniería de materiales computacionales integrada: un nuevo paradigma para la profesión de materiales global". JOM . 58 (11): 25-27. doi : 10.1007 / s11837-006-0223-5 . ISSN 1543-1851 .
- ^ Warren, James A .; Ward, Charles H. (11 de junio de 2018). "Evolución de una infraestructura de datos de materiales". JOM . 70 (9): 1652-1658. doi : 10.1007 / s11837-018-2968-z . ISSN 1543-1851 .
- ^ Curtarolo, Stefano; Hart, Gus LW; Nardelli, Marco Buongiorno; Mingo, Natalio; Sanvito, Stefano; Levy, Ohad (2013). "La autopista de alto rendimiento para el diseño de materiales computacionales". Materiales de la naturaleza . 12 (3): 191–201. doi : 10.1038 / nmat3568 . ISSN 1476-1122 . PMID 23422720 .
- ↑ a b c d e R. Sills, W. Kuykendall, A. Aghaei, W. Cai. "Fundamentos de las simulaciones de dinámica de dislocaciones", en "Modelado de materiales multiescala para nanomecánica". Editores: C. Weinberger, G. Tucker. ISBN 978-3-319-33478-3
- ^ a b D. Raabe. "¿No confía en su simulación: la ciencia de los materiales computacionales en su camino hacia la madurez?" (2002) Materiales de ingeniería avanzada 4, No. 5
- ^ a b c V. Mohles. "Simulaciones de dinámica de dislocaciones de fortalecimiento de partículas". Simulación a escala continua de materiales de ingeniería: fundamentos - microestructuras - aplicaciones de procesos. Editado por Dierk Raabe, Franz Roters, Frederic Barlat, Long-Qing Chen. 2004 Wiley-VCH Verlag GmbH & Co. KGaA. ISBN 3-527-30760-5 .
- ^ a b "P. Bocchini, D. Dunand." Simulaciones de dinámica de dislocación de superaleaciones basadas en Ni y Co reforzadas por precipitación. "Materialia 1 (2018) 211-220.
enlaces externos
- Congreso Mundial de TMS sobre Ingeniería Integrada de Materiales Computacionales (ICME)
- Recursos de materiales computacionales nanoHUB