Vývoj paralelních algoritmů pro molekulovou dynamiku heterogenních atomistických systémů

Abstract

Výzkum nukleace, jakožto procesu fázové přeměny, má v termodynamice dlouhou tradici, sahající až k prvním pozorování kondenzace vodních par. Zájem o samotný proces byl ještě zesílen s nástupem molekulární dynamiky (MD), díky níž lze proces nukleace sledovat napřímo ve větším přiblížení, nežli je možné v přírodě. Avšak tyto ambice naráží na výpočetní omezení spojená s velikostí simulovatelného systému. V důsledku toho jsou výsledky simulací, experimentů a teoretických modelů porovnatelné pouze kvalitativně, přičemž rozdíl mezi jednotlivými výsledky je I několik řádů. Hlavním cílem této práce je rozšířit pole působnosti molekulárních simulací zabývajících se nukleací. Tohoto cíle je dosaženo pomocí paralelizace algoritmů na grafických procesorech (GPGPU), což umožňuje zvýšení rychlosti simulace. Proto je poté možné provádět simulace rozsáhlejších systémů, a tím zlepšit prediktivní schopnost simulací nukleace. Druhým úkolem je výzkum clusterů vytvořených v průběhu simulace. Tyto poznatky jsou využity k vytvoření kritérií vhodných pro klasifikaci metastabilní (přechodně stabilní) kapaliny a páry. Použití těchto kriterií umožňuje detekci nukleace, pomoci níž lze procesu nukleace lépe porozumět. Termofyzikální data shromážděná během před-nukleační fáze simulace mohou být rovněž použita k vytvoření nových stavových rovnic.

Theoretical exploration of nucleation as a kind of phase transition process represents a longstanding tradition in thermodynamics, dating from the first observations of droplet nucleation. The research potential in this field has been further propelled by computational tools like Molecular Dynamics (MD), which facilitate a more direct investigation of nucleation processes in contrast to their observation in the natural environment. However, these simulation ambitions encounter computational limitations tied to the scale of the problem. As a result, existing experimental outcomes, simulation outputs, and theoretical models agree only qualitatively, while substantial quantitative disparities spanning multiple orders of magnitude persist. The principal objective of this study is to expand the horizons of simulations pertaining to nucleation. This will be accomplished by harnessing parallelization methodologies within general-purpose programming for graphics processing units (GPGPU), thereby enhancing the speed of calculation. The realization of this objective bears the potential to conduct calculations on larger systems and to enhance the predictive accuracy of nucleation simulations. The secondary goals are to investigate cluster formation during simulation and to develop cluster criteria for metastable (temporary stable) liquid and vapor regions. The establishment of such criteria will enable the classification of nucleating systems, thereby offering profound insights into the underlying processes. The thermophysical data collected during the pre-nucleation phase can be used to construct a novel set of equations of state.