加快计算速度揭示电子在材料中的互相浸染办法

图片来源：Physical Review X （2024）。
DOI： 10.1103/PhysRevX.14.021023

材料科学家和工程师希望确切地理解电子在新材料中如何相互浸染和移动，以及用它们制成的设备将如何表现。
电流在材料内随意马虎流动吗？在某个温度下，材料会变成超导的，使电流能够在没有电源的情形动？电子自旋的量子态在新的电子和量子器件中会保留多久？

一群材料物理学家试图通过理解材料内部发生的事情来办理这些问题，打算它们的行为，直到单个电子相互浸染和原子运动的水平。

现在，加州理工学院的一个团队取得了一项关键创造，有助于简化此类打算，在保持准确性的同时将其速率提高了 50 倍或更多。
因此，可以打算更繁芜的材料和器件中的电子相互浸染，并开拓以前认为不可能的新打算。

在揭橥在《物理评论X》杂志上的一篇新论文中，加州理工学院的运用物理学研究生罗瑶;他的导师Marco Bernardi，运用物理学、物理学和材料科学教授;同事们描述了一种新的数据驱动方法，使这些进步成为可能。
他们的方法简化了密集的打算矩阵，用于表示材料中电子和原子振动（或声子，可以被认为是振动能量的单个单位）之间发生的相互浸染。

Luo和Bernardi说，新方法许可他们只利用常日用于办理此类问题的1%到2%的数据，大大加快了打算速率，并在此过程中揭示了决定材料特性的最主要相互浸染。

“这非常令人惊异，”Bernardi说。
“用压缩矩阵打算的电子-声子相互浸染险些与完通盘算一样准确。
这极大地减少了打算韶光和内存利用，在大多数情形下大约减少了两个数量级。
这也是奥卡姆剃刀的一个优雅例子，奥卡姆剃刀的想法是偏爱具有最少参数的大略物理模型。

该领域的研究职员常日遵照两种方法之一来理解这个最基本层面的材料。
一种方法强调构建最小的模型，降落系统的繁芜性，以便研究职员可以在纸笔打算中调度一些参数，以得到对材料的定性理解。

另一种方法只从材料的构造开始，利用所谓的“第一性事理”方法（须要大型打算机的量子力学打算）来定量精确地研究材料特性。

Bernardi的团队专注于后一组方法，利用具有数十亿个条款标超大矩阵来打算掌握各种物理性子的电子相互浸染。
这意味着每次打算须要数千小时的打算韶光。
Bernardi说，这项新事情表明了这两种方法之间的一种中间态度。

“利用我们的新方法，您可以截断这些矩阵的大小，提取关键信息，并天生材料中相互浸染的最小模型。

他的团队的方法基于将一种称为奇异值分解（SVD）的方法运用于材料中的电子-声子相互浸染。
SVD技能广泛运用于图像压缩和量子信息科学等领域。
在这里，它许可作者在数千或数百万个电子-声子相互浸染的矩阵等分离或解开电子和振动分量，并为每个基本相互浸染分配一个数字。

这些实数称为奇异值，并按主要性顺序对基本交互浸染进行排序。
然后，程序可以肃清每个矩阵中除百分之几之外的所有相互浸染，只留下前导奇异值，这一过程使测定本钱降落，其系数与压缩量成正比。

因此，例如，如果程序只保留奇异值的 1%，则打算速率会快 100 倍。
研究职员创造，仅保留一小部分奇异值（常日为1%至2%），近似结果与完通盘算险些相同。

“通过利用SVD，你可以减少奇异值的数量，只捕捉代表给定材料中电子相互浸染的矩阵的紧张特色，”该论文的紧张作者Luo说，他是Bernardi小组的第三年。

“这截断了原始矩阵，从而加快了算法的速率，并具有揭示材料中哪些相互浸染占主导地位的额外好处。

Bernardi指出，SVD方法的后一个好处为研究职员供应了关于材料中电子相互浸染的“物理直觉”，这是过去第一性事理打算中短缺的。
例如，在涉及硅的打算中，很明显，占主导地位的奇异值与特定键的拉伸和挤压有关。

“这很大略，但在进行打算之前，我们不知道这是最强的相互浸染，”Bernardi阐明道。

在这篇论文中，研究职员表明，利用SVD方法压缩与电子-声子相互浸染干系的基质为研究职员可能想要打算的材料的各种特性供应了准确的结果，包括电荷传输，自旋弛豫韶光和超导体的转变温度。

Bernardi和他的团队正在将基于SVD的打算扩展到更广泛的材料相互浸染，并开拓以前认为不可能的高等打算。
该团队还致力于将新的SVD方法添加到其开源Perturbo代码中，该软件包可帮助研究职员打算电子如何在材料中相互浸染和移动。
Bernardi说，这将使科学界的用户能够更快地预测与电子-声子相互浸染干系的材料特性。

这篇论文的标题是“电子-声子相互浸染的数据驱动压缩”。
与Luo和Bernardi一起，该论文的合著者包括研究生Dhruv Desai（MS '22）;Benjamin Chang （MS '20） 和 Jinsoo Park （Ph.D. '22），现在是芝加哥大学的博士后研究员。

更多信息：Yao Luo 等人，电子-声子相互浸染的数据驱动压缩，物理评论 X （2024）。
DOI： 10.1103/PhysRevX.14.021023

期刊信息： Physical Review X