Физико-химические аспекты изучения кластеров, наноструктур и наноматериалов
Основан в 2009 году


Новые возможности высокопроизводительных расчетов наносистем с использованием программного обеспечения Metropolis

Д.Н. Соколов, Н.Ю. Сдобняков, К.Г. Савина, А.Ю. Колосов, В.С. Мясниченко

ФГБОУ ВО «Тверской государственный университет»

DOI: 10.26456/pcascnn/2021.13.624

Оригинальная статья

Аннотация: Описана архитектура и программное обеспечение Metropolis для проведения компьютерного моделирования методом Монте-Карло, а также его модификации. В качестве потенциала используется потенциал сильной связи, однако это не исключает возможности использования других модификаций апробированных многочастичных потенциалов. В сравнении с предыдущими программными реализациями метода Монте-Карло данная модификация увеличила скорость расчетов в 700 раз для выбранного размера наночастицы. Представлены данные по сходимости результатов моделирования методом Монте-Карло на примере температуры плавления. Разработанный программный комплекс постоянно апробируется для расчетов различных моно- и многокомпонентных наночастиц и наносистем. Полученные результаты показывают достаточно хорошее согласие с другими численными методами, в первую очередь с молекулярной динамикой, и реальным экспериментом. Дальнейшее развитие программного комплекса и улучшение показателей эффективности его работы планируется с использованием параллелизации вычислений и использование технологии вычислений на графических процессорах CUDA.

Ключевые слова: компьютерный эксперимент, метод Монте-Карло, гибридные методы, наночастицы, интерфейс Metropolis API

  • Соколов Денис Николаевич – к.ф.-м.н., научный сотрудник, ФГБОУ ВО «Тверской государственный университет»
  • Сдобняков Николай Юрьевич – к.ф.-м.н., доцент кафедры общей физики, ФГБОУ ВО «Тверской государственный университет»
  • Савина Ксения Геннадьевна – студентка 1 курса магистратуры кафедры общей физики, ФГБОУ ВО «Тверской государственный университет»
  • Колосов Андрей Юрьевич – к.ф.-м.н., научный сотрудник кафедры общей физики, ФГБОУ ВО «Тверской государственный университет»
  • Мясниченко Владимир Сергеевич – научный сотрудник кафедры общей физики, ФГБОУ ВО «Тверской государственный университет»

Ссылка на статью:

Соколов, Д.Н. Новые возможности высокопроизводительных расчетов наносистем с использованием программного обеспечения Metropolis / Д.Н. Соколов, Н.Ю. Сдобняков, К.Г. Савина, А.Ю. Колосов, В.С. Мясниченко // Физико-химические аспекты изучения кластеров, наноструктур и наноматериалов. — Тверь: Твер. гос. ун-т, 2021. — Вып. 13. — С. 624-638. DOI: 10.26456/pcascnn/2021.13.624.

Полный текст: загрузить PDF файл

Библиографический список:

1. Myasnichenko, V. Simulated annealing method for metal nanoparticle structures optimization / V. Myasnichenko, L. Kirilov, R. Mikhov, S. Fidanova, N. Sdobnyakov // In: Advanced Computing in Industrial Mathematics. BGSIAM 2017. Studies in Computational Intelligence; ed. by K. Georgiev, M. Todorov, I. Georgiev. – 2019. – V. 793. – P. 277-289. DOI: 10.1007/978-3-319-97277-0_23.
2. Myasnichenko, V. Monte Carlo approach for modeling and optimization of one-dimensional bimetallic nanostructures / V. Myasnichenko, N. Sdobnyakov, L. Kirilov, R. Mikhov, S. Fidanova // Lecture Notes in Computer Science. Conference paper: International Conference on Numerical Methods and Applications, 20-24 August 2018. Borovets, Bulgaria. – 2019. – V. 11189. – P. 133-141. DOI: 10.1007/978-3-030-10692-8_15.
3. Myasnichenko, V. Structural instability of gold and bimetallic nanowires using Monte Carlo simulation / V. Myasnichenko, N. Sdobnyakov, L. Kirilov, R. Mikhov, S. Fidanova // In: Recent Advances in Computational Optimization. Studies in Computational Intelligence; ed. by S. Fidanova. – Cham: Springer, 2020. – V. 838. – P. 133-145. DOI: 10.1007/978-3-030-22723-4_9.
4. Myasnichenko, V. Representation of initial temperature as a function in simulated annealing approach for metal nanoparticle structures modeling / V. Myasnichenko, S. Fidanova, R. Mikhov, L. Kirilov, N. Sdobnyakov // Advances in High Performance Computing. HPC 2019. In: Studies in Computational Intelligence; ed. by I. Dimov, S. Fidanova. – Cham: Springer, 2021. – V. 902. – P. 61-72. DOI: 10.1007/978-3-030-55347-0_6.
5. Mikhov, R. Influence of the temperature on simulated annealing method for metal nanoparticle structures optimization / R. Mikhov, V. Myasnichenko, S. Fidanova, L. Kirilov, N. Sdobnyakov // Advanced Computing in Industrial Mathematics. BGSIAM 2018. In: Studies in Computational Intelligence; ed. by In: I. Georgiev, H. Kostadinov, E. Lilkova. – Cham: Springer, 2021. – V. 961. – P. 278-290. DOI: 10.1007/978-3-030-71616-5_25.
6. Hadjisavvas, G.C. Advances in Monte Carlo simulations of nanostructured materials / G.C. Hadjisavvas, P.C. Kelires // In: Computer Simulation Studies in Condensed-Matter Physics XVIII: proceedings of the Eighteenth Workshop, Athens, GA, USA, March 7-11, 2005; ed. by D.P. Landau, S.P. Lewis, H.-B. Schüttler. – Berlin, Heidelberg: Springer, 2007. – V. 105. – P. 58-70. DOI: 10.1007/978-3-540-32640-3_8.
7. Viswanathan, V. Monte Carlo-based approach for simulating nanostructured catalytic and electrocatalytic systems / V. Viswanathan, F. Wang, H. Pitsch // Computing in Science & Engineering. – 2012. – V. 14. – I. 2. – P. 60-69. DOI: 10.1109/MCSE.2011.40.
8. Zhu, R. Atomistic simulation of nanostructured materials / R. Zhu. Doctoral dissertation. – Akron: University of Akron, 2006. – 130 p.
9. White, R. Kinetic Monte Carlo simulation of vapor-liquid-solid nanostructure growth // R. White, M.E. Welland // Journal of Applied Physics. – 2007. – V. 102. – I. 10. – P. 104301-1-104301-7. DOI: 10.1063/1.2805641.
10. Сдобняков, Н.Ю. Изучение термодинамических и структурных характеристик наночастиц металлов в процессах плавления и кристаллизации: теория и компьютерное моделирование: монография / Н.Ю. Сдобняков, Д.Н. Соколов. – Тверь: Тверcкой государственный университет, 2018. – 176 с.
11. Wang, Y. A nucleation and growth model of silicon nanoparticles produced by pulsed laser deposition via Monte Carlo simulation / Y. Wang, A. Qin, L. Chu et al. // Modern Physics Letters B. – 2017. – V. 31. – I. 4. – P. 1750021-1-1750021-7. DOI: 10.1142/S021798491750021X.
12. Chmielewski, A. Direct measurement of the surface energy of bimetallic nanoparticles: Evidence of Vegard’s rule-like dependence / A. Chmielewski, J. Nelayah, H. Amara et al. // Physical Review Letters. – 2017. – V. 120. – I. 2. – P. 025901-1-025901-6. DOI: 10.1103/Phys-RevLett.120.025901.
13. Arif, I. Inferring layer-by-layer composition in Au–Ag nanoparticles using a combination of X-ray photoelectron spectroscopy and Monte Carlo simulations / I. Arif, G. Agrahari, A.K. Gautam, A. Chatterjee // Surface Science. – 2019. – V. 691. – I. 18. – Art. № 121503. – 10 p. DOI: 10.1016/j.susc.2019.121503.
14 Gavilán Arriazu, E.M. Structural surface and thermodynamics analysis of nanoparticles with defects / E.M. Gavilán Arriazu, R.E. Giménez, O.A. Pinto // Physical Chemistry Chemical Physics. – 2020. – V. 22. – I. 40. – P. 23141-23147. DOI: 10.1039/D0CP03348K.
15. Metropolis, N. The Monte Carlo method / N. Metropolis, S. Ulam // Journal of the American Statistical Association. – 1949. – V. 44. – I. 247. – P. 335-341. DOI: 10.1080/01621459.1949.10483310.
16. Eom, N. General trends in core–shell preferences for bimetallic nanoparticles / N. Eom, M.E. Messing, J. Johansson, K. Deppert // ACS Nano. – 2021. – V. 15. – I. 5. – P. 8883-8895. DOI: 10.1021/acsnano.1c01500.
17. Li, L. Adaptive kinetic monte carlo simulations of surface segregation in PdAu nanoparticles / L. Li, X. Li, Z. Duan et al. // Nanoscale. – 2019. – V. 11. – I. 21. – P. 10524-10535. DOI: 10.1039/C9NR01858A.
18. Curk, T. Charge regulation effects in nanoparticle self-assembly / T. Curk, E. Luijten // Physical Review Letters. – 2021. – V. 126. – I. 13. – P. 138003-1-138003-6. DOI: 10.1103/PhysRevLett.126.138003.
19. Мышлявцев, А.В. Модификация алгоритма Метрополиса для моделирования металлических наночастиц / А.В. Мышлявцев, П.В. Стишенко // Омский научный вестник. – 2012. – № 1 (107). С. 21-25.
20. Efendiev, Y. Hybrid Monte Carlo method for simulation of two-component aerosol coagulation and phase segregation / Y. Efendiev, M.R. Zachariah // Journal of Colloid and Interface Science. – 2002. – V. 249. – I. 1. – P. 30-43. DOI: 10.1006/jcis.2001.8114.
21. Свидетельство № 2019661915 Российская Федерация. Metropolis / Д.Н. Соколов, Н.Ю. Сдобняков, А.Ю. Колосов, П.М. Ершов, С.С. Богданов; заявитель и правообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования «Тверской государственный университет». – № 2019660847; заявл. 30.08.2019; зарегистрировано в реестре программ для ЭВМ 11.09.2019. – 1 с.
22. Сдобняков, Н.Ю. Исследование термодинамических характеристик нанокластеров золота с использованием многочастичного потенциала Гупта / Н.Ю. Сдобняков, П.В. Комаров, Д.Н. Соколов, В.М. Самсонов // Физика металлов и металловедение. – 2011. – Т. 111. – № 1. – С. 15-22.
23. Самсонов, В.М. Комплексный подход к компьютерному моделированию плавления и кристаллизации нанокластеров золота / В.М. Самсонов, Н.Ю. Сдобняков, А.Г. Бембель и др. // Вестник национального исследовательского ядерного университета «МИФИ». – 2013. – Т. 2. – № 4. – С. 448-451. DOI: 10.1134/S2304487X13040160.
24. Kumar, P.V. Smart Monte Carlo for accurate simulation of rare-event dynamics: diffusion of adsorbed species on solid surfaces / P.V. Kumar, J.S. Raut, S.J. Warakomski, K.A. Fichthorn // The Journal of Chemical Physics. – 1996. – V. 105. – I. 2. – P. 686-695. DOI: 10.1063/1.471895.
25. Gupta, R.P. Lattice relaxation at a metal surface / R.P. Gupta // Physical Review B. – 1981. – V. 23. – I. 12. – P. 6265-6270. DOI: 10.1103/PhysRevB.23.6265.
26. Cleri, F. Tight-binding potentials for transition metals and alloys / F. Cleri, V. Rosato // Physical Review B. – 1993. – V. 48. – I. 1. – Р. 22-33. DOI: 10.1103/PhysRevB.48.22.
27. Verlet, L. Computer «experiments» on classical fluids. I. Thermodynamical properties of Lennard-Jones molecules / L. Verlet // Physical Review. – 1967. – V. 159. – I. 1. – P. 98-103. DOI: 10.1103/PhysRev.159.98.
28. Nosé, S. A unified formulation of the constant temperature molecular dynamics methods / S. Nosé // The Journal of Chemical Physics. – 1984. – V. 81. – I. 1. – P. 511-519. DOI: 10.1063/1.447334.
29. Сдобняков, Н.Ю. К проблеме стабильности/нестабильности биметаллических структур Co (ядро)/ Au (оболочка) и Au (ядро)/ Co (оболочка): атомистическое моделирование / Н.Ю. Сдобняков, В.М. Самсонов, А.Ю. Колосов и др. // Физико-химические аспекты изучения кластеров, наноструктур и наноматериалов. – 2019. – Вып. 11. – С. 520-534. DOI: 10.26456/pcascnn/2019.11.520.
30. Самсонов, В.М. Сравнительный анализ размерной зависимости температур плавления и кристаллизации наночастиц серебра: молекулярная динамика и метод Монте-Карло / В.М. Самсонов, Н.Ю. Сдобняков, В.С. Мясниченко и др // Поверхность. Рентгеновские, синхротронные и нейтронные исследования. – 2018. – № 12. – С. 65-69. DOI: 10.1134/S0207352818120168.
31. Самсонов, В.М. О факторах стабильности/нестабильности биметаллических наноструктур ядро– оболочка / В.М. Самсонов, Н.Ю. Сдобняков, А.Ю. Колосов и др. // Известия РАН. Ceрия физическая. – 2021. – Т. 85. – № 9. – C. 1239-1244. DOI: 10.31857/S0367676521090246.

⇐ Предыдущая статья | Содержание | Следующая статья ⇒