UNITÀ CALCOLO E MODELLISTICA (CaMo) SEMINARI – ANNO 2003 Modellistica Numerica in Scienza dei Materiali Calcolo ad alte prestazioni e modellistica numerica.

Presentazione sul tema: "UNITÀ CALCOLO E MODELLISTICA (CaMo) SEMINARI – ANNO 2003 Modellistica Numerica in Scienza dei Materiali Calcolo ad alte prestazioni e modellistica numerica."— Transcript della presentazione:

1 UNITÀ CALCOLO E MODELLISTICA (CaMo) SEMINARI – ANNO 2003 Modellistica Numerica in Scienza dei Materiali Calcolo ad alte prestazioni e modellistica numerica Massimo Celino (ENEA - CAMO) Struttura dei materiali al calcolatore: idee di base, capacità di calcolo, approssimazioni e qualche applicazione Carlo Massobrio (Institut de Physique et de Chimie des Matériaux de Strasbourg IPCMS - CNRS - Strasburgo) Estrarre la complessità dalle simulazioni microscopiche Fabrizio Cleri (ENEA - UTS Materiali e Nuove Tecnologie) CMSPortal: un'infrastruttura per la realizzazione di portali verticali per il calcolo scientifico Mario Rosati (Consorzio Interuniversitario per le Applicazioni di Supercalcolo per Università e Ricerca - CASPUR)

2 Modellistica Numerica in Scienza dei Materiali Roma, 18/11/2003 Massimo Celino ENEA - C.R. Casaccia Servizio di Calcolo e Modellistica

3 M. Celino, C. Massobrio, 2002-2003 Scienza dei Materiali Gli esperimenti forniscono risultati di difficile interpretazione SiSe 2 liquido Simulazioni di Dinamica Molecolare

4 Codice di dinamica molecolare quantistica Computer: NEC SX5 (Centro di Calcolo dell’IDRIS) Sistema di 120 atomi 2 GB di RAM File di store: 200 MB Scienza dei Materiali Un time step su NEC SX5: 35 sec. (4 Gflops sostenuti) ~ 2 mesi di cpu per avere un liquido (~ 25 ps di simulazione) ~ 1 mese di cpu per avere un amorfo

5 ¿¿¿ Scienza dei Materiali ??? Settore di interesse ENEA INPUT SIMULAZIONI OUTPUT CAD Molecolare Sviluppo algoritmi Linguaggi di programmazione Calcolo Parallelo GRID Computing Architetture hardware Calcolo Vettoriale Visualizzazione avanzata Realtà virtuale Software di post-processing Data Storage Problemi di ottimizzazione Tecniche simili a quelle utilizzate in Biologia Computazionale Benchmark e calcolo scientifico

6 Cenni storici: Dinamica Molecolare 1957: Alder and Wainwright su J. Chemical Physics. Sistema di sfere dure: scoprirono una transizione di fase fluido-solido. Sorprendente perché si pensava che fosse necessario un potenziale attrattivo. Computer: UNIVAC e IBM704 1964: Rahman (ANL). Correlazioni e diffusione in argon liquido utilizzando Lennard-Jones. Computer CDC3600. 1967: Verlet “diagramma di fase dell’argon”. Lista di Verlet e Algoritmo di Verlet http://www.fourmilab.ch/documents/univac/case1107.html Architettura a 36 bit 256K memoria 8  s per accesso in memoria Moltiplicazione 12  s

7 La Dinamica Molecolare N atomi 3N gradi di libertà Calcolo nuove posizioni output input Calcolo distanze tra gli atomi t=1,T max Calcolo delle forze Calcolo grandezze termodinamiche V

8 Dinamica Molecolare parallela Dati replicati Sistema piccolo Comunicazioni globali ~ N-N p Lista vicini: Verlet ~ N p (N-1), Linked cell ~ N p Calcolo delle forze ~ N p Update posizione atomi ~N p Sistema grande Solo comunicazioni locali (in 3D solo 6 comunicazioni). Comunicazioni crescono con superficie N 2/3 Lista vicini ~  N Calcolo delle forze ~ N p /2+  N Update posizione atomi ~N p Domain decomposition

9 La Dinamica Molecolare Non esiste un’unica ricetta per tutti i materiali !! Approssimazione di Born-Oppenheimer Separiamo moti elettronici da moti ionici

10 Potenziali classici M. Celino, V.Rosato, F.Cleri, G.D’Agostino, 1995 (A)  xx +  yy +  zz S.Letardi, M.Celino, V.Rosato, 2002 Nanostrutture di PalladioProgetto TECLA (..) P.Raitieri, M.Celino, L.Miglio, 2002

11 La Dinamica Molecolare 10 210 10 8 10 6 10 4 Numero di atomi Proprietà strutturali Proprietà elettroniche globali Orbitali atomici Approssimazioni C C C C C C CC HH H H HH H H Potenziali classici Potenziali semi-quantistici Potenziali quantistici

12 Potenziali semi-quantistici Silicio liquido e amorfo Procedura “Reverse MonteCarlo” per produrre configurazione amorfa di partenza M.Celino, V.Rosato, 2002

13 Carbonio amorfo Potenziali semi-quantistici Carbonio amorfo FeSi 2

14 Potenziali quantistici Lagrangiana di Car e Parrinello Gli elettroni seguono istantaneamente il movimento degli ioni Rappresentazione delle funzioni elettroniche in onde piane: Le onde piane:non dipendono dalla posizione degli atomi prestazioni elevate grazie alla FFT controllo della convergenza tutto lo spazio è trattato alla stessa maniera utilizzo dei pseudopotenziali

15 Potenziali quantistici

16

17 Prospettive Problem solving environment (PSE) GRID Computing Computer ad alte prestazioni: potenza, usabilità, affidabilità Blue Gene: 65.000 nodi di calcolo - 180/360 TeraFlops Protein Explorer: PC Cluster + 6000 MDGRAPE3 di 165GFlops 1 TeraFlops nel 2006 Earth Simulator: 5000 processori, 40 TeraFlops Cray X1: 256 processori a Oak Ridge National Lab.

18 Grid Computing Silicio Approccio consigliato per specifiche classi di problemi Attività di ricerca in corso V.Rosato, M. Celino Progetto FIRB 2003