费米维基

用户工具

站点工具

您的足迹:
atk:si_100_表面重构_用atk进行几何结构优化

差别

这里会显示出您选择的修订版和当前版本之间的差别。

到此差别页面的链接

两侧同时换到之前的修订记录前一修订版
后一修订版		前一修订版
atk:si_100_表面重构_用atk进行几何结构优化 [2016/08/08 18:32] – [创建结构] liu.junatk:si_100_表面重构_用atk进行几何结构优化 [2018/03/20 22:22] (当前版本) – liu.jun
行 1: 行 1:
-======Si(100)表面重构：用ATK进行几何结构优化======+======Si(100)表面重构：用QuantumATK进行几何结构优化======
  
 =====简介===== =====简介=====
  
-虽然LDA和GGA计算，对于Si（以及大部分其他半导体材料）得不到合适的带隙，但这些“简单”的泛函却能够很好的预测几何结构性质。在本文中，将演示如何使用ATK研究所谓的Si（100）表面不对称二聚重构。+虽然 LDA 和 GGA 计算，对于 Si（以及大部分其他半导体材料）得不到合适的带隙，但这些“简单”的泛函却能够很好的预测几何结构性质。在本文中，将演示如何使用 QuantumATK 研究所谓的Si（100）表面不对称二聚重构。
  
-本文着重关注物理以及如何正确的设置模型，而非如何操作VNL。本文假定读者已经有了建模队经验（例如切开表面），以及设置计算、查看结果，因此提到具体步骤，不再非常详尽的解释。+本文着重关注物理以及如何正确的设置模型，而非如何操作 VNL。本文假定读者已经有了建模的经验（例如如何切开表面），以及设置计算、查看结果，因此提到具体步骤，不再详尽的解释。
  
 =====创建结构===== =====创建结构=====
  
-1，启动VNL并打开Builder+1，启动 VNL 并打开 Builder
  
-2，从数据库添加alpha硅晶体结构（Add ‣ From Database）+2，从数据库添加 alpha-硅晶体结构（Add ‣ From Database）
  
 3，打开Builders ‣ Surface (Cleave) 3，打开Builders ‣ Surface (Cleave)
  
-   * 通过输入对应的米勒指数，沿100面切开晶体 +  * 通过输入对应的米勒指数，沿 100 面切开晶体 
-          * 因为二聚重构只发生在2x1超胞，所以需要创建较大的表面单胞，而不是用最小表面单胞。因此在第二页窗口中设置V<sub>2</sub>=2u<sub>2</sub>+  * 因为二聚重构只发生在 2x1 超胞，所以需要创建较大的表面单胞，而不是用最小表面单胞。因此在第二页窗口中设置$V_2=2u_2$
  
 {{ :atk:reconstruction01.png?600 |}} {{ :atk:reconstruction01.png?600 |}}
  
-在表面建模工具的最后一页选择Slab厚度为4.5层（默认真空厚度是合适的）+在表面建模工具的最后一页选择 Slab 厚度为 4.5 层（默认真空厚度是合适的）
  
 {{ :atk:reconstruction02.png?600 |}} {{ :atk:reconstruction02.png?600 |}}
行 26: 行 26:
 4，将结构沿所有方向居中（Coordinate Tools ‣ Center） 4，将结构沿所有方向居中（Coordinate Tools ‣ Center）
  
-5，选择z坐标值最小的两个Si原子，点击几次Rattle工具{{:atk:reconstruction03.png?30|}}，对这两个原子的位置产生随机的小扰动。这是因为完全对称的状态是超稳定的结构，最好不要从这种状态开始优化+5，选择 z 坐标值最小的两个 Si 原子，点击几次 Rattle 工具 {{:atk:reconstruction03.png?30|}}，对这两个原子的位置产生随机的小扰动。这是因为完全对称的状态是超稳定的结构，最好不要从这种状态开始优化
  
-6，选择Z坐标值最大的两个Si原子，使用{{:atk:reconstruction04.png?30|}}加氢钝化，从而使得所有的Si原子饱和+6，选择 Z 坐标值最大的两个 Si 原子，使用 {{:atk:reconstruction04.png?30|}} 加氢钝化，从而使得所有的 Si 原子饱和
  
 生成的结构如下图所示： 生成的结构如下图所示：
行 36: 行 36:
 =====设置计算===== =====设置计算=====
  
 +  * 依次插入 New Calculator 和 OptimizeGeometry。
 +  * Calculator 中除了 k-point sampling 之外所有参数使用默认值。设置 k-point sampling 为 9x9（当然 c 方向一个 k 点就够了，因为是层状结构）—— 精度非常重要，因为对称、不对称二聚状态的能量差很小((A. Ramstad, G. Brocks, and P.J. Kelly: Theoretical study of the Si(100) surface reconstruction. Phys. Rev. B 51, 14504, 1995))。
 +  * 优化，限制住底部的两个 Si 原子以及 4 个 H 原子。如果可能的话，限制弛豫的自由度总是很重要的，这样能够投影为纯的平移和转动。
 +  * 确保勾选了Save trajectory，并设置轨迹文件的名字
 +{{ :atk:reconstruction06.png?600 |}}
 +  * 设置输出文件的名字，现在已经准备好运行了。保存脚本！
  
 +将脚本送入 Job Manager，或者将其上传到集群之后运行。该计算并行化非常好，根据 MPI 并行节点数差别，计算耗时约为 1 个小时或几个小时。
 =====结果===== =====结果=====
  
 +计算完成之后，选择NetCDFVNL中的文件，查看第二个Bulk configuration，ID为gID001——这是优化之后的结构。
 +将其拖到Builder，可以立即看到得到的结构确实是不对称二聚态。鼠标划框选取相关的原子，点击Coordinates－Z-matrix即可显示键长、键角。分别查看原始的结构和优化之后的结构，进行对比。
  
 +
 +{{ :atk:reconstruction07.png?600 |}}
 +
 +分析结构弛豫的轨迹也很有意义。选择LabFloor中，你之前保存的轨迹文件，点击Viewer大卡，可以看到优化的动画过程（点开大图）:
 +
 +{{ :atk:optimize_si_100_1_.gif?300 |点击看动画}}
 +
 +如果我们对弛豫过程对每一步中的总能量和力作图，可以看到总能量或多或少是在持续下降的，这符合我们采用的BFGS能量最小化方法的期望。BFGS的初衷是为了能量的最小化，而不是仅仅跟随力的方向变化。下面的小脚本能够读取轨迹数据，并为每一步的总能量和力最大值作图：
 +
 +<code python>
 +traj = nlread('si_100_traj.nc', Trajectory)[0]
 +energies = []
 +max_forces = []
 +for i in range(len(traj)):
 +    energies.append(traj.imageEnergy(i).inUnitsOf(eV))
 +    forces = traj.imageForces(i).inUnitsOf(eV/Angstrom)
 +    force_magnitude = (forces**2).sum(axis=1)**0.5
 +    max_forces.append(numpy.max(forces))
 +
 +# Plot the energy and max. force curve using pylab.
 +import pylab
 +
 +pylab.figure()
 +pylab.subplot(2, 1, 1)
 +pylab.plot(range(len(traj)), energies)
 +pylab.xlabel('Optimization step')
 +pylab.ylabel('Energy (eV)')
 +pylab.grid(True)
 +
 +pylab.subplot(2, 1, 2)
 +pylab.plot(range(len(traj)), max_forces)
 +pylab.xlabel('Optimization step')
 +pylab.ylabel('Maximum Forces (eV/Ang)')
 +pylab.grid(True)
 +
 +pylab.show()
 +</code>
 +
 +作图结果大致如下图所示，精确的曲线和顶部的Si原子初始结构中，精确的位移量有关系。
 +
 +{{ :atk:reconstruction09.png?500 |}}
 +
 +结合上图以及轨迹动画，可以了解很多信息。首先，除非力的收敛标准小于0.2 eV/Å，不然的话，你会以为对称的二聚态是能量最小值，因为优化的过程中是经过了这个态的！在轨迹动画中也能看到这一点。虽然此处得到这样结果，但实际上，众所周知如果不是使用了非常精确的方法（例如足够多的k-points），以及足够大的真空的话，对称二聚态在能量上会更占优势。
 +
 +特别地，大约在step 13（见上面的轨迹图所示）达到对称二聚态这个局域最低点，但能量最小化算法仍然试图进一步降低能量，这时候力再次增大，走向不对称的结果。Step 15之后，真正得到不对称结构，在大约Step 20的时候，最终形成不对称二聚体。
 +
 +可以使用下面的脚本来对原子层的垂直弛豫进行可视化：
 +<code python>
 +traj = nlread('si_100_traj.nc', Trajectory)[0]
 +number_of_steps = len(traj)
 +z_coordinates = []
 +
 +for i in range(number_of_steps):
 +    coordinates = traj.image(i).cartesianCoordinates().inUnitsOf(Angstrom)
 +    # Append all z-coordinates, apart from the fixed bottom layer.
 +    z_coordinates.append(coordinates[:16, 2].tolist())
 +
 +# Convert to numpy array.
 +z_coordinates = numpy.array(z_coordinates)
 +# Plot the z-coordinates using pylab.
 +import pylab
 +
 +pylab.figure()
 +# Loop over all unconstrained atoms.
 +for i in range(16):
 +    pylab.plot(range(number_of_steps), z_coordinates[:, i], '--*')
 +pylab.xlabel('Optimization step')
 +pylab.ylabel('Z-coordinates (Ang)')
 +pylab.grid(True)
 +
 +pylab.show()
 +</code>
 +
 +{{ :atk:reconstruction10.png?500 |}}
 +
 +有一点非常重要：不对称的出现，是由长程作用导致的，这也是短程方法，比如tight-binding或者经典力场只能弛豫到对称二聚体到原因。
 =====总结===== =====总结=====
 +本例演示了QuantumATK能够通过DFT结构优化，成功地预测相当复杂的表面结构重构。Si(100)面首先形成一个对称二聚体，它反过来诱导出电子层面的不对称，从而我们在再次优化结构之后，找到基态不对称结构。这种不对称是一种长程效应，来自表面以下的少量几层原子。二聚体Si晶格在二聚体下面被向下压缩。
atk/si_100_表面重构_用atk进行几何结构优化.1470652348.txt.gz · 最后更改: 2016/08/08 18:32 由 liu.jun

页面工具

© 2014-2022 费米科技（京ICP备14023855号）