Modellering på atomnivå ger kunskap om nya material

För att få bästa energieffektivitet och prestanda är det viktigt att de material som används till solceller, transistorer och mikroelektronik är optimala. Genom kvantmekanik och maskininlärning skapar Julia Wiktor och hennes forskarteam modeller för att på atomnivå förstå och förbättra olika materials funktion.

Det brådskar att utveckla nya, optimerade material som kan användas för solenergi och andra viktiga applikationer. Att studera material experimentellt kan emellertid vara både tidskrävande och komplicerat, så datormodellering är ett sätt att göra arbetet mer effektivt. Samtidigt har datormodeller ofta begränsningar. De görs mestadels på perfekta material, där atomer och elektroner är arrangerade på ett precist och stabilt sätt, och de blir därför alltför idealiserade. I verkligheten är material dynamiska och ofullkomliga, med atomer som rör sig.

Skapa realistiska modeller
Julia Wiktor är forskare vid institutionen för fysik och astronomi vid Chalmers tekniska högskola och leder forskningsprojektet Kvantmekanisk beskrivning av fullständiga halvledaranordningar, som finansieras av Stiftelsen för strategisk forskning inom ramen för programmet Framtidens forskningsledare.
Hennes forskning syftar till att använda maskininlärning för att att utveckla realistiska modeller för att studera material och på ett grundläggande sätt förstå och förutsäga egenskaperna hos nya, komplexa material. Genom att använda olika maskininlärningstekniker kan forskarna till exempel ta hänsyn till defekter och gränsytor i materialet för att göra modelleringen mer realistisk.
– Vårt mål är att förstå vilka fenomen som påverkar effektivitet och hållbarhet i ett material, hur atomer och elektroner rör sig och interagerar och så vidare. Solceller eller andra komponenter är aldrig bättre än de material som de är gjorda av. För detta ändamål tillämpar vi avancerade kvantmekaniska beräkningar och maskininlärningsalgoritmer, säger Julia.

Snabb utveckling
Projektet är inne på sitt fjärde år och den enormt snabba utvecklingen inom AI och maskininlärning under senare år har inneburit stora kliv framåt för Julias forskning.
– Vi kan nu väldigt snabbt skapa otroligt komplexa datorsimuleringar och modeller. För bara fem till tio år sedan var många frågor om materialens struktur och dynamik på atomnivå svåra att besvara. Nu har vi metoder och beräkningskapacitet för att modellera miljontals atomer i mycket stor skala. Vi kan se mönster och detaljer som hjälper oss att besvara en mängd frågor om materialens beskaffenhet. Vi kan till exempel undersöka hur materialen kan blandas med andra material för att få bättre effektivitet och stabilitet, förklarar hon.
Ett exempel på resultaten hittills är en mycket större förståelse för halidperovskiter, en grupp svårstuderade material som visar stor potential att komplettera kisel i solceller och andra applikationer. Genom storskalig datorsimulering och maskininlärningsteknik har forskarna kommit en bra bit på vägen i arbetet med att öka kunskapen om materialen.

Tvärdisciplinärt
Julias forskning rör sig i gränslandet mellan grundforskning och tillämpad forskning. Hon arbetar tvärdisciplinärt, med bland andra kemister, fysiker, materialvetare och experimentella forskare.
– Min forskning är grundläggande och jag drivs av nyfikenhet, men jag tycker om att ha ett nyttogörande i sikte. Det upplever jag verkligen att vi har med den här forskningen. Det är också spännande hur nya resultat leder till nya frågeställningar, säger hon.
Julia vill gärna lyfta fram betydelsen av finansieringen från Stiftelsen för strategisk forskning och ledarskapsprogrammet i synnerhet.
– Det har gett mig det bästa nätverket någonsin. Nu när programmet snart är slut fortsätter vi att träffas minst en gång om året. Det är otroligt värdefullt att lära känna andra unga forskare från helt olika discipliner, menar hon.
Julias forskning har uppmärksammats på bred front och hon har bland annat tilldelats Magdalena Sjöstrands vetenskapspris, Letterstedtska priset från Kungliga Vetenskapsakademin och ERC Starting Grant samt utsetts till Wallenberg Academy Fellow.