Agenda

Résumé : L’utilisation de la simulation numérique pour déterminer la structure cristalline d’un composé, sur la base de la seule connaissance de sa composition chimique, est un défi majeur dans la science des matériaux. La tâche est loin d’être triviale : il s’agit d’identifier l’arrangement structural de plus faible énergie parmi des millions de structures possibles. Pour illustrer ce défi, l’arrangement de vingt atomes dans une boîte – un réseau répétitif de forme et de volume variables – peut a priori générer plus de 1021 structures possibles qui se situent sur la surface d’énergie potentielle (PES). S’il fallait 1 heure de calcul pour déterminer numériquement l’énergie associée à chaque structure optimisée, le temps de calcul nécessaire dépasserait l’âge de l’univers… Le problème est donc : comment accéder au puits d’énergie le plus bas (minimum global sur la PES) tout en monopolisant un minimum de ressources informatiques ?

Cet exposé traitera d’une méthode d’auto-apprentissage pour l’exploration de la PES d’un composé cristallin, un algorithme évolutionnaire (génétique) combiné à des calculs DFT. Je décrirai brièvement la problématique CSP, puis la base conceptuelle de cet algorithme génétique CSP, qui repose sur les concepts de la théorie de l’évolution darwinienne. J’illustrerai ensuite son utilisation en présentant quelques résultats de travaux récents menés dans mon groupe Chimie Quantique Appliquée de l’IC2MP (au choix) : l’exploration du diagramme de phase binaire plomb-azote sous pression (0-100 GPa), l’émergence de nouvelles compositions dans le système ternaire Li-C-N à 50 et 100 GPa, les hydrures ABH3 peroskites sous pression (A, groupe I ; B groupe II) qui parfois n’ont rien de « perovskites »…, et l’étude de la stabilité de phases sélectionnées aux conditions ambiantes ; les propriétés de liaison et électroniques des composés in silico à l’aide d’outils de chimie théorique de base et de pointe (Lewis, VSEPR, ELF, COHP, COBI, …) ;

Plus d’infos ici