Chrommoleküle: schnellere und präzisere Simulationsmethode

Ein Chromatom ist klein, und seine Elektronen sind so dicht in kompakten Orbitalen zusammengedrängt, dass sie sich, in den Worten von Kay Carter-Fenk, wie Bewohner von „winzigen Wohnungen“ verhalten. Für Chemiker, die vorhersagen wollen, wie solche Atome in einem Molekül Bindungen eingehen, ist diese Enge seit Langem das Problem. Chrom ist ein wesentlicher Bestandteil von Edelstahl und zugleich eines der Metalle, die gängige Simulationsverfahren am schlechtesten handhaben.

Zwei Verfahrensfamilien leisten dabei den Großteil der Arbeit. Die Coupled-Cluster-Theorie (CC) geht davon aus, dass sich jedes Elektron im mittleren Feld aller übrigen bewegt, und addiert dann schrittweise die Energie wechselwirkender Elektronenpaare hinzu, anschließend die von Dreiergruppen. Für viele Moleküle gilt sie als „Goldstandard“ der Quantenchemie, doch ihre Rechenkosten steigen mit der Größe der Moleküle steil an. Die Dichtefunktionaltheorie (DFT) startet von einem einfacheren Bild der gesamten Elektronendichte und ist deutlich günstiger, beruht aber auf Näherungen und Parametern, die nicht vollständig geklärt sind, sodass ihre Ergebnisse danebenliegen können. Beide Verfahren schneiden bei häufigen Übergangsmetallen wie Eisen, Kobalt und Chrom schlecht ab.

John Keith und Barbaro Zulueta suchten nach Wegen, Chrom zu modellieren, um bessere Edelstähle für die US-Navy zu entwickeln. Bei der Lektüre der Fachliteratur stellten sie fest, dass die DFT als Ausgangspunkt für diese Metalle manchmal, aber nicht immer, besser geeignet war als jener, der üblicherweise bei CC verwendet wird. Andere Forscher hatten dies berichtet, ohne eine klare Erklärung zu liefern. Die Gruppe von Carter-Fenk, die sich mit stark korrelierten Elektronen befasst, vermutete, dass die Ursache eher in der zugrunde liegenden Mathematik als in den Orbitalen selbst liegt. Das Team entwickelte daraufhin ein Diagnoseverfahren, das die Differenz zwischen den beiden Ausgangsdichten misst und sie in eine einzige Zahl übersetzt. „Der Betrag dieser Zahl kann anzeigen, ob der DFT-Ausgangspunkt vorteilhaft ist oder nicht“, sagte Erstautor Abdulrahman Zamani.

Mit dieser Regel in der Hand berichten die Forschenden, dass CC für viele schwierige Atomkombinationen die chemische Genauigkeit erreichen kann, mit Ergebnissen, die jenen aus Wochen oder Monaten Supercomputing nahekommen und in Minuten bis Stunden vorliegen. Der Titel der Arbeit, „Improving coupled cluster theory for strongly correlated molecules with Kohn-Sham density encoding“, beschreibt die Methode; die Pressemitteilung nennt keine Tests an einer größeren Zahl von Molekülen über die in der Studie untersuchten hinaus.

Vorerst profitiert vor allem die Community des maschinellen Lernens. Modelle, die molekulares Verhalten vorhersagen, werden in der Regel mit DFT-Daten trainiert, und das Team argumentiert, dass gerade bei Chrom diese Daten am wenigsten verlässlich sind. Eine genauere Referenzrechnung liefert diesen Modellen besseres Material zum Lernen. Der langfristige Gewinn besteht laut Keith in einem Weg zu Metallen wie Edelstahl sowie zu schweren Lanthanoiden und Actinoiden. Diese Anwendungen und die neuen Materialien und Katalysatoren, zu denen sie führen könnten, bleiben Ziele: Die Studie ist ein Rechenergebnis, und daraus wurde noch keine neue Legierung und kein neuer Katalysator hergestellt.