Studio computazionale delle proprietà fononiche dei solidi: dalla density functional theory ai machine-learning force fields

In questa tesi viene condotto uno studio teorico e computazionale sulle proprietà fononiche dei solidi. Le proprietà a vibrazionali dei solidi cristallini hanno grande valore poiché consentono la comprensione di una grande varietà di fenomeni, come la conducibilità termica o il calore specifico. Nel lavoro viene prima introdotta la teoria analitica delle vibrazioni reticolari, con la definizione di fonone. Successivamente, viene presentata la Density Functional Theory (DFT) con particolare attenzione alla sua implementazione nei principali software di calcolo, tra cui il pacchetto VASP, Vienna Ab initio Simulation Package. Viene introdotto il metodo del machine-learning force field (MLFF), anch’esso implementato in VASP. Sono poi presentate le relazioni di dispersione fononica e densità degli stati di tre materiali, grafene, silicio e ossido di magnesio, ottenute sia attraverso i calcoli a primi principi con l’uso di VASP, sia mediante MLFF. Il confronto con i dati sperimentali mostra globalmente un buon accordo, con scostamenti relativi medi dell’ordine del 3-5% per i calcoli DFT e leggermente superiori per quelli basati sul MLFF. Si osserva come i calcoli a primi principi risultino complessivamente più accurati, mentre il MLFF consente un notevole risparmio computazionale a fronte di una precisione leggermente inferiore, che si manifesta in particolar modo nel caso dell’ossido di magnesio. Infine, vengono proposte possibili migliorie per espansioni future.