LINEA DI ATTIVITÀ
LA1.19, LA1.20, LA1.21
Predisposizione di workflow per automatizzazione dei calcoli per batterie.
Strumento/i principale utilizzato per IEMAP (o in generale il tipo di laboratorio)
Laboratorio computazionale.
Tipo di misure che sono possibili da realizzare in questo laboratorio, con questo strumento/i
Simulazioni.
Applicazione (su quali materiali è stato utilizzato)
Materiali catodici per l’accumulo elettrochimico.
Descrizione risultati raggiunti SAL2
L’attività LA 1.20 del WP1 ha avuto lo scopo di sviluppare un workflow automatico di calcoli ab initio per materiali catodici basati su ossidi metallici lamellari del tipo MeTMO2 (dove TM rappresenta un metallo di transizione). Il workflow è stato implementato utilizzando il framework AiiDA sul cluster CRESCO di ENEA e ha impiegato il codice Quantum Espresso per il calcolo delle proprietà elettroniche basate sui metodi DFT (Density Functional Theory).
L’installazione dell’ambiente e l’esecuzione del workflow sono stati illustrati in dettaglio nel deliverable D1.23. Sono disponibili due modalità di esecuzione: la prima tramite l’utilizzo del tool Anaconda e la seconda attraverso la virtualizzazione con Singularity. Entrambe le opzioni offrono la flessibilità necessaria per adattarsi alle preferenze dei ricercatori.
Come caso di studio, è stato scelto il cristallo base dell’ossido metallico lamellare NaMnO2. Utilizzando il workflow automatico, sono stati generati i modelli atomici periodici dei materiali drogati, variando sia l’etero-atomo drogante che il livello di drogaggio. È importante sottolineare che il workflow può essere esteso per studiare altri materiali catodici basati su diversi tipi di ioni.
Il workflow AiiDA ha generato fino ad oggi un totale di oltre 700 elaborazioni completate, che sono state memorizzate in formato JSON nel database MongoDB.
I workflow automatici sviluppati rivestiranno un ruolo essenziale nel campo della ricerca sui materiali per l’accumulo elettrochimico con le migliori prestazioni. Forniranno ai ricercatori un insieme predefinito di parametri computazionali e un set di dati che potranno essere elaborati utilizzando algoritmi predittivi per accelerare il processo di ricerca. Ciò consentirà di identificare materiali con caratteristiche ottimali per applicazioni specifiche, riducendo il tempo e le risorse necessarie per la sperimentazione di laboratorio.
Il workflow automatico di calcoli ab initio per materiali catodici basati su ossidi metallici lamellari rappresenta un’importante innovazione nel campo della ricerca dei materiali. La combinazione di strumenti come AiiDA e Quantum Espresso ha permesso di automatizzare l’elaborazione di modelli atomici periodici dei materiali drogati, offrendo un approccio efficiente per lo studio e l’analisi delle proprietà elettroniche. I risultati ottenuti fino ad oggi indicano un notevole progresso nell’implementazione e nell’esecuzione del workflow, che promette di accelerare la scoperta e lo sviluppo di materiali catodici per l’accumulo elettrochimico.
REFERENTE/I
Francesco Buonocore ENEA – CdR Casaccia
Via Anguillarese 301 Roma
FIGURE CON RELATIVE DIDASCALIE ESAUSTIVE
Figura 1
Didascalia
Numero elaborazioni per numero totale di iterazioni SCF svolte. I calcoli sono stati eseguiti sull’infrastruttura di calcolo HPC di ENEA sfruttando il calcolo parallelo su 12 nodi per un totale di 576 core.
Figura 2
Didascalia
Selezione di strutture atomiche presenti nel database su un totale di oltre 750 elaborazioni completate con successo. Le configurazioni sono visualizzate con ASE (software usato da AiiDA). Le sfere di diverso colore indicano le posizioni di specie atomiche diverse. Rosso: ossigeno; giallo: sodio; celeste: titanio; grigio: nickel; viola: manganese.
Deliverable consegnati al SAL2
Deliverable D1.23.
Livello di innovazione
L’attività progettuale descritta rappresenta un notevole livello di innovazione nel campo dei materiali per batterie e nell’applicazione di metodi automatizzati di workflow computazionale. Rispetto alla letteratura esistente, questa attività presenta diverse caratteristiche innovative. In particolare, il focus specifico sui materiali catodici basati su ossidi metallici lamellari MeTMO2, in particolare NaMnO2, rappresenta un’area di ricerca specifica di grande interesse. L’approccio automatizzato del workflow computazionale per la generazione di modelli atomici periodici dei materiali drogati consente di esplorare efficientemente un’ampia gamma di combinazioni di etero-atomi droganti e livelli di drogaggio, accelerando la ricerca di materiali catodici ottimizzati. L’utilizzo di AiiDA come framework offre un approccio flessibile e scalabile, facilitando la gestione delle elaborazioni computazionali e l’archiviazione dei dati. L’integrazione con il cluster CRESCO di ENEA e l’utilizzo del codice Quantum Espresso garantiscono l’accuratezza e l’affidabilità delle simulazioni elettroniche. La disponibilità di due modalità di esecuzione, basate su Anaconda e Singularity, garantisce la flessibilità e l’adattabilità del workflow. Il numero significativo di elaborazioni generato e la memorizzazione dei dati in un database MongoDB dimostrano la capacità del workflow di gestire grandi quantità di dati. Complessivamente, questa attività progettuale rappresenta un notevole avanzamento nella ricerca dei materiali per batterie, offrendo nuove opportunità per lo sviluppo di materiali con migliori prestazioni e maggiore efficienza.
Disseminazione
- Presentazione del talk “Atomistic design of layered cathode materials for Na-Ion Batteries” nel Simposio “Towards accelerated design of materials for energy” (speaker: Francesco Buonocore) nella conferenza Nanoinnovation 2022 (Facoltà di Ingegneria Civile e Industriale dell’Università “La Sapienza” di Roma, 21/09/2022).
- Presentazione del talk “Modelli ab initio di materiali catodici per accumulatori: definizione di protocollo di calcolo e workchain” (speaker: Francesco Buonocore) nel Workshop “IEMAP: la piattaforma italiana per la progettazione accelerata dei materiali per l’energia” (Centro ENEA di Frascati, Aula Brunelli, 22/11/2022).
- Presentazione del talk “Machine learning techniques for data analysis in materials science” (speaker: Claudio Ronchetti) nella conferenza International Annual Conference (AEIT) (Roma, 3-5/10/2022).
- Pubblicazione: C. Ronchetti, M. Puccini, S. Ferlito, S. Giusepponi, F. Palombi, F. Buonocore, M. Celino “Machine learning techniques for data analysis in materials science” 2022 AEIT International Annual Conference (AEIT), Rome, Italy, 2022, pp. 1-6, doi: 10.23919/AEIT56783.2022.9951839.
