• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Química
    Supercomputando mais luz do que calor

    O sistema de supercomputação Maverick no Texas Advanced Computing Center. Maverick é um recurso dedicado de visualização e análise de dados alocado pelo XSEDE, arquitetado com 132 GPU NVIDIA Tesla K40 "Atlas" para visualização remota e computação de GPU para a comunidade nacional. Crédito:TACC

    As células solares não suportam o calor. A energia fotovoltaica perde alguma energia na forma de calor ao converter a luz solar em eletricidade. O inverso é verdadeiro para luzes feitas com diodos emissores de luz (LED), que convertem eletricidade em luz. Alguns cientistas acham que pode haver luz no fim do túnel na busca por melhores materiais semicondutores para células solares e LEDs, graças às simulações de supercomputador que alavancaram unidades de processamento gráfico para modelar nanocristais de silício.

    Os cientistas chamam a perda de calor em LEDs e células solares de recombinação não radiativa. E eles têm se esforçado para entender a física básica dessa perda de calor, especialmente para materiais com moléculas de mais de 20 átomos.

    "O verdadeiro desafio aqui é o tamanho do sistema, "explicou Ben Levine, professor associado do Departamento de Química da Michigan State University. "Ir desse limite de 10-20 átomos para 50-100-200 átomos tem sido o verdadeiro desafio da computação aqui, "Levine disse. Isso porque os cálculos envolviam escala com o tamanho do sistema para alguma potência, às vezes quatro ou até seis, Levine disse. "Tornar o sistema dez vezes maior, na verdade, requer que executemos talvez 10, 000 vezes mais operações. É realmente uma grande mudança no tamanho de nossos cálculos. "

    Os cálculos de Levine envolvem um conceito em fotoquímica molecular chamado de interseção cônica - pontos de degeneração entre as superfícies de energia potencial de dois ou mais estados eletrônicos em um sistema fechado. Um estudo de perspectiva publicado em setembro de 2017 no Journal of Physical Chemistry Letters descobriu que desenvolvimentos computacionais e teóricos recentes permitiram a localização de interseções cônicas induzidas por defeitos em nanomateriais semicondutores.

    "A principal contribuição do nosso trabalho foi mostrar que podemos entender esses processos de recombinação em materiais olhando para essas interseções cônicas, "Levine disse." Fomos capazes de mostrar que as intersecções cônicas podem estar associadas a defeitos estruturais específicos no material. "

    As interseções cônicas induzidas por defeito (DICIs) permitem conectar a estrutura do material à propensão para deterioração não radiativa, uma fonte de perda de calor em células solares e luzes LED. A alocação do supercomputador XSEDE Maverick acelerou os cálculos da química quântica. Crédito:Ben Levine.

    O Santo Graal para a ciência dos materiais seria prever o comportamento de recombinação não radiativa de um material com base em seus defeitos estruturais. Esses defeitos vêm de semicondutores 'dopados' com impurezas para controlar e modular suas propriedades elétricas.

    Olhando além do onipresente semicondutor de silício, os cientistas estão se voltando para os nanocristais de silício como materiais candidatos para a próxima geração de células solares e LEDs. Os nanocristais de silício são sistemas moleculares na casa dos 100 átomos com emissão de luz extremamente ajustável em comparação com o silício em massa. E os cientistas são limitados apenas por sua imaginação nas maneiras de dopar e criar novos tipos de nanocristais de silício.

    "Fazemos isso há cerca de cinco anos, "Levine explicou sobre seu trabalho de interseção cônica." O foco principal de nosso trabalho tem sido a prova de conceito, mostrando que esses são cálculos que podemos fazer; que o que encontramos está de acordo com a experiência; e que pode nos dar uma visão sobre experimentos que não conseguiríamos antes, "Levine disse.

    Levine abordou os desafios computacionais de seu trabalho usando hardware de unidade de processamento gráfico (GPU), o tipo normalmente projetado para jogos de computador e design gráfico. GPUs se destacam na agitação por meio de cálculos de álgebra linear, a mesma matemática envolvida nos cálculos de Levine que caracterizam o comportamento dos elétrons em um material. "Usando as unidades de processamento gráfico, conseguimos acelerar nossos cálculos centenas de vezes, o que nos permitiu ir da escala molecular, onde éramos limitados antes, até o tamanho do nanomaterial, "Levine disse.

    Alocações de infraestrutura cibernética de XSEDE, o eXtreme Science and Engineering Discovery Environment, deu a Levine acesso a mais de 975, 000 horas de computação no sistema de supercomputação Maverick no Texas Advanced Computing Center (TACC). Maverick é um recurso dedicado de visualização e análise de dados arquitetado com 132 NVIDIA Tesla K40 "Atlas" GPU para visualização remota e computação de GPU para a comunidade nacional.

    "Recursos de grande escala como Maverick no TACC, que tem muitas GPUs, tem sido simplesmente maravilhoso para nós, "Levine disse." Você precisa de três coisas para conseguir fazer isso. Você precisa de boas teorias. Você precisa de um bom hardware de computador. E você precisa de instalações que tenham esse hardware em quantidade suficiente, para que você possa fazer os cálculos que deseja fazer. "

    Alguns cientistas acham que pode haver luz no fim do túnel na busca por melhores materiais semicondutores para células solares e LEDs. Isso está de acordo com um estudo de agosto de 2017 que usou simulações de supercomputador com unidades de processamento gráfico para modelar nanocristais de silício. As células solares têm problemas com o calor. Os painéis fotovoltaicos nos painéis solares perdem alguma energia, na forma de calor, quando convertem a luz do sol em eletricidade. O inverso é verdadeiro para luzes LED, que convertem eletricidade em luz. Os cientistas chamam a perda de calor em LEDs e células solares de recombinação não radiativa. E eles têm se esforçado para entender a física básica dessa perda de calor, especialmente para materiais com moléculas de mais de 20 átomos. O apresentador do podcast Jorge Salazar entrevista Benjamin Levine, an associate professor in the Department of Chemistry at Michigan State University. Dr. Levine models the behavior caused by defects in materials, such as doping bulk silicon to transform it into semiconductors in transistors, LEDs, and solar cells. Levine and has used over 975, 000 compute hours on the Maverick supercomputer, a dedicated visualization and data analysis resource architected with 132 NVIDIA Tesla K40 "Atlas" GPUs for remote visualization and GPU computing to the national community. XSEDE, the eXtreme Science and Engineering Discovery Environment funded by the National Science Foundation, provided the allocation. Music Credits:Raro Bueno, Chuzausen freemusicarchive.org/music/Chuzausen/ Credit:TACC

    Levine explained that he got started using GPUs to do science ten years ago back when he was in graduate school, chaining together SONY PlayStation 2 video game consoles to perform quantum chemical calculations. "Agora, the field has exploded, where you can do lots and lots of really advanced quantum mechanical calculations using these GPUs, " Levine said. "NVIDIA has been very supportive of this. They've released technology that helps us do this sort of thing better than we could do it before." That's because NVIDIA developed GPUs to more easily pass data, and they developed the popular and well-documented CUDA interface.

    "A machine like Maverick is particularly useful because it brings a lot of these GPUs into one place, " Levine explained. "We can sit down and look at 100 different materials or at a hundred different structures of the same material." We're able to do that using a machine such as Maverick. Whereas with a desktop gaming machine just has one GPU, we can do one calculation at a time. The large-scale studies aren't possible, " said Levine.

    Now that Levine's group has demonstrated the ability to predict conical intersections associated with heat loss from semiconductors and semiconductor nanomaterials, he said the next step is to do materials design in the computer.

    Said Levine:"We've been running some calculations where we use a simulated evolution, called a genetic algorithm, where you simulate the evolution process. We're actually evolving materials that have the property that we're looking for, one generation after the other. Maybe we have a pool of 20 different molecules. We predict the properties of those molecules. Then we randomly pick, say, less than ten of them that have desirable properties. And we modify them in some way. We mutate them. Or in some chemical sense 'breed' them with one another to create new molecules, and test those. This all happens automatically in the computer. A lot of this is done on Maverick also. We end up with a new molecule that nobody has ever looked at before, but that we think they should look at in the lab. This automated design processes has already started."

    O estudo, "Understanding Nonradiative Recombination through Defect-Induced Conical Intersections, " was published September 7, 2017 in the Journal of Physical Chemistry Letters . The study authors are Yinan Shu (University of Minnesota); B. Scott Fales (Stanford University, SLAC); Wei-Tao Peng and Benjamin G. Levine (Michigan State University). The National Science Foundation funded the study (CHE-1565634).


    © Ciência https://pt.scienceaq.com