]> www.hackdaworld.org Git - lectures/latex.git/blob - posic/thesis/basics.tex
0e735ee17fe463b1147762c68966973201aa712f
[lectures/latex.git] / posic / thesis / basics.tex
1 \chapter{Basic principles of utilized simulation techniques}
2 \label{chapter:basics}
3
4 In the following the simulation methods used within the scope of this study are introduced.
5 Enabling the investigation of the evolution of structure on the atomic scale, molecular dynamics (MD) simulations are chosen for modeling the behavior and precipitation of C introduced into an initially crystalline Si environment.
6 To be able to model systems with a large amount of atoms computational efficient classical potentials to describe the interaction of the atoms are most often used in MD studies.
7 For reasons of flexibility in executing this non-standard task and in order to be able to use a novel interaction potential \cite{albe_sic_pot} an appropriate MD code called {\textsc posic}\footnote{{\textsc posic} is an abbreviation for {\bf p}recipitation {\bf o}f {\bf SiC}}\footnote{Source code: http://www.physik.uni-augsburg.de/\~{}zirkelfr/posic/posic.tar.bz2} including a library collecting respective MD subroutines was developed from scratch.
8 The basic ideas of MD in general and the adopted techniques as implemented in {\em posic} in particular are outlined in section \ref{section:md}, while the functional form and derivative of the employed classical potential is presented in appendix \ref{app:d_tersoff}.
9 An overview of the most important tools within the MD package is given in appendix \ref{app:code}.
10 Although classical potentials are often most successful and at the same time computationally efficient in calculating some physical properties of a particular system, not all of its properties might be described correctly due to the lack of quantum-mechanical effects.
11 Thus, in order to obtain more accurate results quantum-mechanical calculations from first principles based on density functional theory (DFT) were performed.
12 The Vienna {\em ab initio} simulation package ({\textsc vasp}) \cite{kresse96} is used for this purpose.
13 The relevant basics of DFT are described in section \ref{section:dft} while an overview of utilities mainly used to create input or parse output data of {\textsc vasp} is given in appendix \ref{app:code}.
14 The gain in accuracy achieved by this method, however, is accompanied by an increase in computational effort constraining the simulated system to be much smaller in size.
15 Thus, investigations based on DFT are restricted to single defects or combinations of two defects in a rather small Si supercell, their structural relaxation as well as some selected diffusion processes.
16 Next to the structure, defects can be characterized by the defect formation energy, a scalar indicating the costs necessary for the formation of the defect, which is explained in section \ref{section:basics:defects}.
17 The method used to investigate migration pathways to identify the prevalent diffusion mechanism is introduced in section \ref{section:basics:migration} and modifications to the {\textsc vasp} code implementing this method are presented in appendix \ref{app:patch_vasp}.
18
19 \section{Molecular dynamics simulations}
20 \label{section:md}
21
22 % todo
23 % rewrite!
24
25 \begin{quotation}
26 \dq We may regard the present state of the universe as the effect of the past and the cause of the future. An intellect which at any given moment knew all of the forces that animate nature and the mutual positions of the beings that compose it, if this intellect were vast enough to submit the data to analysis, could condense into a single formula the movement of the greatest bodies of the universe and that of the lightest atom; for such an intellect nothing could be uncertain and the future just like the past would be present before its eyes.\dq{}
27 \begin{flushright}
28 {\em Marquis Pierre Simon de Laplace, 1814.} \cite{laplace}
29 \end{flushright}
30 \end{quotation}
31
32 \noindent
33 Pierre Simon de Laplace phrased this vision in terms of a controlling, omniscient instance - the {\em Laplace demon} - which would be able to look into the future as well as into the past due to the deterministic nature of processes, governed by the solution of differential equations.
34 Although Laplace's vision is nowadays corrected by chaos theory and quantum mechanics, it expresses two main features of classical mechanics, the determinism of processes and time reversibility of the fundamental equations.
35 This understanding was one of the first ideas for doing molecular dynamics simulations, considering an isolated system of particles, the behaviour of which is fully determined by the solution of the classical equations of motion.
36
37 \subsection{Introduction to molecular dynamics simulations}
38
39 Molecular dynamics (MD) simulation is a technique to compute a system of particles, referred to as molecules, with their positions, volocities and forces among each other evolving in time.
40 The MD method was first introduced by Alder and Wainwright in 1957 \cite{alder57,alder59} to study the interactions of hard spheres.
41 The basis of the approach are Newton's equations of motion to describe classicaly the many-body system.
42 MD is the numerical way of solving the $N$-body problem which cannot be solved analytically for $N>3$.
43 A potential is necessary describing the interaction of the particles.
44 By MD a complete description of the system in the sense of classical mechanics on the microscopic level is obtained.
45 The microscopic information can then be translated to macroscopic observables by means of statistical mechanics.
46
47 The basic idea is to integrate Newton's equations numerically.
48 A system of $N$ particles of masses $m_i$ ($i=1,\ldots,N$) at positions ${\bf r}_i$ and velocities $\dot{{\bf r}}_i$ is given by
49 \begin{equation}
50 m_i \frac{d^2}{dt^2} {\bf r}_i = {\bf F}_i \, \textrm{.}
51 \end{equation}
52 The forces ${\bf F}_i$ are obtained from the potential energy $U(\{{\bf r}\})$:
53 \begin{equation}
54 {\bf F}_i = - \nabla_{{\bf r}_i} U({\{\bf r}\}) \, \textrm{.}
55 \end{equation}
56 Given the initial conditions ${\bf r}_i(t_0)$ and $\dot{{\bf r}}_i(t_0)$ the equations can be integrated by a certain integration algorithm.
57 The solution of these equations provides the complete information of a system evolving in time.
58 The following sections cover the tools of the trade necessary for the MD simulation technique.
59 Three ingredients are required for a MD simulation:
60 \begin{enumerate}
61 \item A model for the interaction between system constituents is needed.
62       Interaction potentials and their accuracy for describing certain systems of elements will be outlined in section \ref{subsection:interact_pot}.
63 \item An integrator is needed, which propagtes the particle positions and velocities from time $t$ to $t+\delta t$, realised by a finite difference scheme which moves trajectories discretely in time.
64       This is explained in section \ref{subsection:integrate_algo}.
65 \item A statistical ensemble has to be chosen, which allows certain thermodynamic quantities to be controlled or to stay constant.
66       This is discussed in section \ref{subsection:statistical_ensembles}.
67 \end{enumerate}
68 Furthermore special techniques will be outlined, which reduce the complexity of the MD algorithm, though the evaluation of energy and force almost inevitably dictates the overall speed.
69
70 \subsection{Verlet integration}
71 \label{subsection:integrate_algo}
72
73 A numerical method to integrate Newton's equation of motion was presented by Verlet in 1967 \cite{verlet67}.
74 The idea of the so-called Verlet and a variant, the velocity Verlet algorithm, which additionaly generates directly the velocities, is explained in the following.
75 Starting point is the Taylor series for the particle positions at time $t+\delta t$ and $t-\delta t$
76 \begin{equation}
77 \vec{r}_i(t+\delta t)=
78 \vec{r}_i(t)+\delta t\vec{v}_i(t)+\frac{\delta t^2}{2m_i}\vec{f}_i(t)+
79 \frac{\delta t^3}{6}\vec{b}_i(t) + \mathcal{O}(\delta t^4)
80 \label{basics:verlet:taylor1}
81 \end{equation}
82 \begin{equation}
83 \vec{r}_i(t-\delta t)=
84 \vec{r}_i(t)-\delta t\vec{v}_i(t)+\frac{\delta t^2}{2m_i}\vec{f}_i(t)-
85 \frac{\delta t^3}{6}\vec{b}_i(t) + \mathcal{O}(\delta t^4)
86 \label{basics:verlet:taylor2}
87 \end{equation}
88 where $\vec{v}_i=\frac{d}{dt}\vec{r}_i$ are the velocities, $\vec{f}_i=m\frac{d}{dt^2}\vec{r}_i$ are the forces and $\vec{b}_i=\frac{d}{dt^3}\vec{r}_i$ are the third derivatives of the particle positions with respect to time.
89 The Verlet algorithm is obtained by summarizing and substracting equations \eqref{basics:verlet:taylor1} and \eqref{basics:verlet:taylor2}
90 \begin{equation}
91 \vec{r}_i(t+\delta t)=
92 2\vec{r}_i(t)-\vec{r}_i(t-\delta t)+\frac{\delta t^2}{m_i}\vec{f}_i(t)+
93 \mathcal{O}(\delta t^4)
94 \end{equation}
95 \begin{equation}
96 \vec{v}_i(t)=\frac{1}{2\delta t}[\vec{r}_i(t+\delta t)-\vec{r}_i(t-\delta t)]+
97 \mathcal{O}(\delta t^3)
98 \end{equation}
99 the truncation error of which is of order $\delta t^4$ for the positions and $\delta t^3$ for the velocities.
100 The velocities, although not used to update the particle positions, are not synchronously determined with the positions but drag behind one step of discretization.
101 The Verlet algorithm can be rewritten into an equivalent form, which updates the velocities and positions in the same step.
102 The so-called velocity Verlet algorithm is obtained by combining \eqref{basics:verlet:taylor1} with equation \eqref{basics:verlet:taylor2} displaced in time by $+\delta t$
103 \begin{equation}
104 \vec{v}_i(t+\delta t)=
105 \vec{v}_i(t)+\frac{\delta t}{2m_i}[\vec{f}_i(t)+\vec{f}_i(t+\delta t)]
106 \end{equation}
107 \begin{equation}
108 \vec{r}_i(t+\delta t)=
109 \vec{r}_i(t)+\delta t\vec{v}_i(t)+\frac{\delta t^2}{2m_i}\vec{f}_i(t) \text{ .}
110 \end{equation}
111 Since the forces for the new positions are required to update the velocity the determination of the forces has to be carried out within the integration algorithm.
112
113 \subsection{Interaction potentials for silicon and carbon}
114 \label{subsection:interact_pot}
115
116 The potential energy of $N$ interacting atoms can be written in the form
117 \begin{equation}
118 U(\{{\bf r}\}) = \sum_i U_1({\bf r}_i) + \sum_i \sum_{j>i} U_2({\bf r}_i,{\bf r}_j) + \sum_i \sum_{j>i} \sum_{k>j>i} U_3({\bf r}_i,{\bf r}_j,{\bf r}_k) \ldots
119 \end{equation}
120 where $U$ is the total potential energy.
121 $U_1$ is a single particle potential describing external forces.
122 Examples of single particle potentials are the gravitational force or an electric field.
123 $U_2$ is a two body pair potential which only depends on the distance $r_{ij}$ between the two atoms $i$ and $j$.
124 If not only pair potentials are considered, three body potentials $U_3$ or multi body potentials $U_n$ can be included.
125 Usually these higher order terms are avoided since they are not easy to model and it is rather time consuming to evaluate potentials and forces originating from these many body terms.
126 Ordinary pair potentials have a close-packed structure like face-centered cubic (FCC) or hexagonal close-packed (HCP) as a ground state.
127 A pair potential is, thus, unable to describe properly elements with other structures than FCC or HCP.
128 Silicon and carbon for instance, have a diamand and zincblende structure with four covalently bonded neighbors, which is far from a close-packed structure.
129 A three body potential has to be included for these types of elements.
130
131 \subsubsection{The Tersoff bond order potential}
132
133 Tersoff proposed an empirical interatomic potential for covalent systems \cite{tersoff_si1,tersoff_si2}.
134 The Tersoff potential explicitly incorporates the dependence of bond order on local environments, permitting an improved description of covalent materials.
135 Due to the covalent character Tersoff restricted the interaction to nearest neighbor atoms accompanied by an increases in computational efficiency for the evaluation of forces and energy based on the short-range potential.
136 Tersoff applied the potential to silicon \cite{tersoff_si1,tersoff_si2,tersoff_si3}, carbon \cite{tersoff_c} and also to multicomponent systems like silicon carbide \cite{tersoff_m}.
137 The basic idea is that, in real systems, the bond order, i.e. the strength of the bond, depends upon the local environment \cite{abell85}.
138 Atoms with many neighbors form weaker bonds than atoms with only a few neighbors.
139 Although the bond strength intricately depends on geometry the focus on coordination, i.e. the number of neighbors forming bonds, is well motivated qualitatively from basic chemistry since for every additional formed bond the amount of electron pairs per bond and, thus, the strength of the bonds is decreased.
140 If the energy per bond decreases rapidly enough with increasing coordination the most stable structure will be the dimer.
141 In the other extreme, if the dependence is weak, the material system will end up in a close-packed structure in order to maximize the number of bonds and likewise minimize the cohesive energy.
142 This suggests the bond order to be a monotonously decreasing function with respect to coordination and the equilibrium coordination being determined by the balance of bond strength and number of bonds.
143 Based on pseudopotential theory the bond order term $b_{ijk}$ limitting the attractive pair interaction is of the form $b_{ijk}\propto Z^{-\delta}$ where $Z$ is the coordination number and $\delta$ a constant \cite{abell85}, which is $\frac{1}{2}$ in the seond-moment approximation within the tight binding scheme \cite{horsfield96}.
144
145 Tersoff incorporated the concept of bond order in a three-body potential formalism.
146 The interatomic potential is taken to have the form
147 \begin{eqnarray}
148 E & = & \sum_i E_i = \frac{1}{2} \sum_{i \ne j} V_{ij} \textrm{ ,} \\
149 V_{ij} & = & f_C(r_{ij}) [ f_R(r_{ij}) + b_{ij} f_A(r_{ij}) ] \textrm{ .}
150 \end{eqnarray}
151 $E$ is the total energy of the system, constituted either by the sum over the site energies $E_i$ or by the bond energies $V_{ij}$.
152 The indices $i$ and $j$ correspond to the atoms of the system with $r_{ij}$ being the distance from atom $i$ to atom $j$.
153 The functions $f_R$ and $f_A$ represent a repulsive and an attractive pair potential.
154 The repulsive part is due to the orthogonalization energy of overlapped atomic wave functions.
155 The attractive part is associated with the bonding.
156 \begin{eqnarray}
157 f_R(r_{ij}) & = & A_{ij} \exp (- \lambda_{ij} r_{ij} ) \\
158 f_A(r_{ij}) & = & -B_{ij} \exp (- \mu_{ij} r_{ij} )
159 \end{eqnarray}
160 The function $f_C$ is the a cutoff function to limit the range of interaction to nearest neighbors.
161 It is designed to have a smooth transition of the potential at distances $R_{ij}$ and $S_{ij}$.
162 \begin{equation}
163 f_C(r_{ij}) = \left\{
164   \begin{array}{ll}
165     1, & r_{ij} < R_{ij} \\
166     \frac{1}{2} + \frac{1}{2} \cos \Big[ \pi (r_{ij} - R_{ij})/(S_{ij} - R_{ij}) \Big], & R_{ij} < r_{ij} < S_{ij} \\
167     0, & r_{ij} > S_{ij}
168   \end{array} \right.
169 \label{eq:basics:fc}
170 \end{equation}
171 As discussed above, $b_{ij}$ represents a measure of the bond order, monotonously decreasing with the coordination of atoms $i$ and $j$.
172 It is of the form:
173 \begin{eqnarray}
174 b_{ij} & = & \chi_{ij} (1 + \beta_i^{n_i} \zeta^{n_i}_{ij})^{-1/2n_i} \\
175 \zeta_{ij} & = & \sum_{k \ne i,j} f_C (r_{ik}) \omega_{ik} g(\theta_{ijk}) \\
176 g(\theta_{ijk}) & = & 1 + c_i^2/d_i^2 - c_i^2/[d_i^2 + (h_i - \cos \theta_{ijk})^2]
177 \end{eqnarray}
178 where $\theta_{ijk}$ is the bond angle between bonds $ij$ and $ik$.
179 This is illustrated in Figure \ref{img:tersoff_angle}.
180 \begin{figure}[t]
181 \begin{center}
182 \includegraphics[width=8cm]{tersoff_angle.eps}
183 \end{center}
184 \caption{Angle between bonds of atoms $i,j$ and $i,k$.}
185 \label{img:tersoff_angle}
186 \end{figure}
187 The angular dependence does not give a fixed minimum angle between bonds since the expression is embedded inside the bond order term.
188 The relation to the above discussed bond order potential becomes obvious if $\chi=1, \beta=1, n=1, \omega=1$ and $c=0$.
189 Parameters with a single subscript correspond to the parameters of the elemental system \cite{tersoff_si3,tersoff_c} while the mixed parameters are obtained by interpolation from the elemental parameters by the arithmetic or geometric mean.
190 The elemental parameters were obtained by fit with respect to the cohesive energies of real and hypothetical bulk structures and the bulk modulus and bond length of the diamond structure.
191 New parameters for the mixed system are $\chi$, which is used to finetune the strength of heteropolar bonds, and $\omeag$, which is set to one for the C-Si interaction but is available as a feature to permit the application of the potential to more drastically different types of atoms in the future.
192
193 The force acting on atom $i$ is given by the derivative of the potential energy.
194 For a three body potential ($V_{ij} \neq V{ji}$) the derivation is of the form
195 \begin{equation}
196 \nabla_{{\bf r}_i} E = \frac{1}{2} \big[ \sum_j ( \nabla_{{\bf r}_i} V_{ij} + \nabla_{{\bf r}_i} V_{ji} ) + \sum_k \sum_j \nabla_{{\bf r}_i} V_{jk} \big] \textrm{ .}
197 \end{equation}
198 The force is then given by
199 \begin{equation}
200 F^i = - \nabla_{{\bf r}_i} E \textrm{ .}
201 \end{equation}
202 Details of the Tersoff potential derivative are presented in appendix \ref{app:d_tersoff}.
203
204 \subsubsection{Improved analytical bond order potential}
205
206 Although the Tersoff potential is one of the most widely used potentials there are some shortcomings.
207 Describing the Si-Si interaction Tersoff was unable to find a single parameter set to describe well both, bulk and surface properties.
208 Due to this and since the first approach labeled T1 \cite{tersoff_si1} turned out to be unstable \cite{dodson87}, two further parametrizations exist, T2 \cite{tersoff_si2} and T3 \cite{tersoff_si3}.
209 While T2 describes well surface properties, T3 yields improved elastic constants and should be used for describing bulk properties.
210 However, T3, which is used in the Si/C potential, suffers from an underestimation of the dimer binding energy.
211 Similar behavior is found for the C-C interaction.
212
213 For this reason, Erhart and Albe provide a reparametrization of the Tersoff potential based on three independently fitted parameter sets for the Si-Si, C-C and Si-C interaction \cite{albe_sic_pot}.
214 The functional form is similar to the one proposed by Tersoff.
215 Differences in the energy functional and the force evaluation routine are pointed out in appendix \ref{app:d_tersoff}.
216 Concerning Si the elastic properties of the diamond phase as well as the structure and energetics of the dimer are reproduced very well.
217 The new parameter set for the C-C interaction yields improved dimer properties while at the same time delivers a description of the bulk phase similar to the Tersoff potential.
218 The potential provides succeeds in the description of the low as well as high coordinated structures is provided.
219 The description of elastic properties of SiC is improved with respect to the potentials available in literature.
220 Defect properties are only fairly reproduced but the description is comparable to previously published potentials.
221 It is claimed that the potential enables the modeling of widely different configurations and transitions among these and has recently been used to simulate the inert gas condensation of Si-C nanoparticles \cite{erhart04}.
222 Therefore the Erhart/Albe (EA) potential is considered the superior analytical bond order potential to study the SiC precipitation and associated processes in Si.
223
224 \subsection{Statistical ensembles}
225 \label{subsection:statistical_ensembles}
226
227 By default ... NVE
228
229 However, we need to control T -> NVT
230 .. and p -> NpT ...
231
232
233 \section{Denstiy functional theory}
234 \label{section:dft}
235
236 \subsection{Hohenberg-Kohn theorem}
237
238 \subsection{Born-Oppenheimer (adiabatic) approximation}
239
240 \subsection{Effective potential}
241
242 \subsection{Kohn-Sham system}
243
244 \subsection{Approximations for exchange and correlation}
245
246 \subsection{Pseudopotentials}
247
248 \section{Modeling of defects}
249 \label{section:basics:defects}
250
251 \section{Migration paths and diffusion barriers}
252 \label{section:basics:migration}
253