Een algemeen optimalisatiekader voor het in kaart brengen van lokale overgangstoestandsnetwerken

Waarom dit belangrijk is voor toekomstige materialen

Van betere batterijen tot ultrazuinige computermemory: veel moderne technologieën hangen af van hoe atomen en kleine magnetische wervelingen zich herordenen. Die herordening volgt verborgen “wegen” over een energielandschap dat we niet rechtstreeks kunnen zien. Dit artikel introduceert een nieuw computationeel kader, MOTO genaamd, dat die wegen rondom een gegeven toestand van een materiaal automatisch in kaart kan brengen. Daarmee helpt het onderzoekers te begrijpen hoe structuren ontstaan, bewegen en verdwijnen—kennis die het ontwerp van katalysatoren, magnetische apparaten en andere geavanceerde materialen kan sturen.

Het landschap onder materie zichtbaar maken

Op microscopische schaal wordt het gedrag van een materiaal bepaald door een energielandschap vol valleien en bergpassen. Valleien vertegenwoordigen stabiele ordeningen van atomen of spinrichtingen, terwijl de laagste passen tussen valleien de overgangstoestanden zijn die bepalen hoe het systeem van de ene ordening naar de andere beweegt. Bestaande hulpmiddelen vereisen ofwel dat je vooraf een begin- en eindvallei opgeeft, of ze zoeken lokaal vanaf één punt en vinden slechts een paar nabije passen. Daardoor is het moeilijk een volledig beeld te krijgen van de mogelijke overgangen in complexe systemen zoals katalytische oppervlakken of topologische magnetische structuren.

Een driedelige methode om nabije paden te verkennen

De auteurs stellen MOTO voor—een drielaags optimalisatiekader—dat systematisch het lokale netwerk van overgangen rond een gekozen vallei in kaart brengt. In de eerste laag genereert een “multi-objective explorer” vele kleine, gerichte duwtjes van het systeem, zodanig gevormd dat ze voldoen aan basisfysische beperkingen (bijvoorbeeld: atomen kunnen niet samenvallen en bepaalde topologische eigenschappen blijven behouden). Deze duwtjes worden gekozen om zo divers mogelijk te zijn, terwijl ze het de methode later ook makkelijker maken om de cruciale richting te identificeren waarin het energievlak het zachtst omhoog buigt naar een nabije pas.

Passes beklimmen en verbindingen bevestigen

In de tweede laag richt MOTO zich op elk veelbelovend startpunt en schat de richting van minste weerstand uit de vallei—de zachtste helling omhoog in het energielandschap. In plaats van een enorme matrix op te bouwen en op te slaan die de volledige kromming van het landschap beschrijft, gebruikt het compacte “Hessian–vectorproducten” die efficiënt kunnen worden berekend op moderne grafische processors. Deze stap stelt de methode in staat rechtstreeks naar een eendelige zadelpunt te klimmen terwijl het geheugenverbruik en de rekentijd laag blijven, zelfs voor systemen met miljoenen onderling reagerende spins. In de derde laag duwt MOTO het systeem zachtjes bergaf aan weerszijden van elk gevonden zadel, waardoor duidelijk wordt welke valleien door die pas met elkaar verbonden zijn en deze worden toegevoegd aan een groeiende kaart van nabije toestanden en routes.

Van magnetische wervelingen tot bewegende atomen

Om te laten zien wat MOTO kan, passen de auteurs het eerst toe op een gedetailleerd model van een dun magnetisch laagje dat skyrmions herbergt—nanometergrote wentelende spinstructuren die veelbelovend zijn voor gegevensopslag. Vanuit één skyrmion of antiskyrmion ontdekt MOTO een rijk web van nabije overgangstoestanden met gedeeltelijke wervelpatronen, merons en antimerons genoemd, aan de randen van het systeem. Deze processen maken duplicatie van skyrmions, hun annihilatie en de creatie van “chirale druppels” mogelijk, en samen leveren ze tot wel 32 verschillende paden tussen complexe multi-skyrmiontoestanden. In een tweede test wordt hetzelfde kader—zonder de kernlogica te veranderen—toegepast op een klassiek oppervlak-diffusieprobleem: een zeven-atoom nickelcluster dat over een nikkeloppervlak beweegt. Hier herontdekt MOTO automatisch bekende atomaire herschikkingen zoals randhops, hoekbewegingen en gecoördineerde multi-atoomverschuivingen, en stelt opnieuw een gedetailleerd lokaal netwerk van toestanden en barrières samen.

Wat dit vooruit betekent

Voor niet-specialisten is de belangrijkste boodschap dat MOTO een algemene, efficiënte manier biedt om te onthullen hoe een complex systeem van de ene naar een nabije ordening kan bewegen, zonder paden handmatig te construeren of alle belangrijke overgangen van tevoren te raden. Het verandert een enkele momentopname van een materiaal in een lokale wegenkaart van mogelijke veranderingen en hun energetische kosten. Omdat de methode alleen vereist dat de energie differentieerbaar is en dat de kromming langs geselecteerde richtingen berekenbaar is, kan ze worden uitgebreid buiten magnetische texturen en atoomoppervlakken naar veel andere systemen, waaronder elektronische structuurberekeningen en zelfs machine-learningmodellen. Dit maakt MOTO tot een veelzijdig nieuw gereedschap om verborgen mechanismen bloot te leggen die materiaalgemeenschappen aandrijven en om het ontwerp van next-generation technologieën te begeleiden.

Bronvermelding: Xu, Q., Delin, A. A general optimization framework for mapping local transition-state networks. npj Comput Mater 12, 112 (2026). https://doi.org/10.1038/s41524-026-01985-3

Trefwoorden: energetische landschappen, overgangstoestanden, skyrmions, computationale materialen, atoomdiffusie