Overordnede kursusmål
I dette kursus får den studerende en introduktion til Density
Functional Theory (DFT) som et af de mest anvendte
beregningsværktøjer til at studere grundlæggende processer i
materialer til energikonvertering og -lagring (batterier,
nanokatalysatorer, brændselsceller, solceller osv.). I den første
halvdel af kurset lærer de studerende det grundlæggende i den
atomistiske beskrivelse af materialer samt den elektroniske
struktur og fundamentet i DFT. Den anden del er mere praktisk, og
de studerende lærer først, hvilke egenskaber der kan beregnes ved
hjælp af DFT, og hvordan man kan bygge bro mellem disse størrelser
og de målte egenskaber fra eksperimenter, samt hvordan man
implementerer metoder til at automatisere og fremskynde designet af
nye materialer. Kurset fokuserer på anvendelse af DFT gennem
dedikerede øvelser med begrænsede tekniske detaljer om den anvendte
metode.
Kurset består af otte forelæsninger, hver med tre til fem
videoforelæsninger, quizzer og øvelser. Der oprettes en ugentlig
en-times live chat og et forum til diskussion og feedback. I det
afsluttende projekt vil de studerende bruge værktøjerne beskrevet i
kurset til at forudsige energimaterialernes egenskaber. Eksempler
fra de tidligere afsluttende projekter er undersøgelse af
materialer til lyshøstning og undersøgelse af 2D-materialers
egenskaber. Det afsluttende projekt vil blive foreslået afhængigt
af de studerendes interesser.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Beskrive grundlaget for computersimuleringer med focus på
Density Functional Theory og de størrelser, der kan beregnes
- Beskrive fysikken bag nøgleapplikationer til
energimaterialer
- Fortolke og tilpasse computerkode til beregning af materialers
fysiske egenskaber
- Identificere deskriptorer for en fremskyndet tilgang til at
opdage materialer
- Forstå hvordan man forbinder eksperimentelle resultater og
simuleringer
- Forstå og anvende maskinindlæringsmetoder til
materialedesign
- Anvende teknikker til høj kapacitet og maskinlæring til et
givent datasæt for at finde nye materialer
- Udføre computersimuleringer på et højt niveau af identificerede
materialer til energiapplikationer
- Identificere problemer og løsninger relateret til
computersimuleringer og opdagelse af materialer
Kursusindhold
Introduktion til atomistisk modellering.
Grundlæggende egenskaber om den atomistiske og elektroniske
struktur af materialer.
Introduktion til Density Functional Theory (nøglebegreber og
begrænsninger).
Introduktion til Linux maskiner, scripting, ASE- og GPAW-pakkerne.
Hvad kan vi beregne med DFT? Hovedapplikationer og eksempler.
Grundlæggende og avancerede øvelser (ved hjælp af ASE- og
GPAW-pakkerne).
Screeningsmetoder med høj kapacitet og autonome arbejdsgange
(eksempler og øvelser).
Projekt
Ugentlig live chat med lærere og undervisningsassistenter for
effektiv feedback, diskussion og tilpasning af forventningerne.
Forum for spørgsmål og svar.
Litteraturhenvisninger
1. Reviews in Computational Chemistry by Abby L. Parrill and Kenny
B. Lipkowitz.
ISBN: 978-1-119-10393-6
2. Computational Approaches to Energy Materials by Richard Catlow,
Alexey Sokol, Aron Walsh. ISBN: 978-1-119-95093-6.
3. The ABC of DFT, K. Burke and friends.
4. Computational Screening of Light-Absorbing Materials for
Photoelectrochemical Water Splitting, I. E. Castelli, K. Kuhar, M.
Pandey, and K. W. Jacobsen, in Advances in Photoelectrochemical
Water Splitting, ed. D. Tilley, S. Lany and R, van de Krol, RSC
Editor, February 2018.
The litteraturen er tilgængelig for DTU studerende gennem DTU
Bibliotek.
Sidst opdateret
29. april, 2021