[논문 리뷰] Detection of hidden structures on all scales in amorphous materials and complex physical systems: basic notions and applications to networks, lattice systems, and glasses

Peter Ronhovde, Saurish Chakrabarty외 5명|arXiv (Cornell University)|2010. 12. 29.

Complex Network Analysis Techniques참고 문헌 75인용 수 4

한 줄 요약

이 논문은 고체 및 복잡계에서 모든 척도에 걸쳐 숨겨진 구조적 질서를 사전 가정 없이 탐지하기 위해 네트워크 이론과 정보 이론을 기반으로 한 방법을 제안한다. 이 방법은 비정질 격자와 비정질 상에서 자연스러운 격자 단위와 위상 결함을 식별하며, 정적 및 동적 시스템에 대한 편향 없는 다중 척도 분석을 가능하게 하여 유리 및 복잡한 물질에서 미세한 구조를 성공적으로 탐지한다.

ABSTRACT

Recent decades have seen the discovery of numerous complex materials. At the root of the complexity underlying many of these materials lies a large number of possible contending atomic- and larger-scale configurations and the intricate correlations between their constituents. For a detailed understanding, there is a need for tools that enable the detection of pertinent structures on all spatial and temporal scales. Towards this end, we suggest a new method by invoking ideas from network analysis and information theory. Our method efficiently identifies basic unit cells and topological defects in systems with low disorder and may analyze general amorphous structures to identify candidate natural structures where a clear definition of order is lacking. This general unbiased detection of physical structure does not require a guess as to which of the system properties should be deemed as important and may constitute a natural point of departure for further analysis. The method applies to both static and dynamic systems.

연구 동기 및 목표

• 복잡한 비정질 물질에서 모든 공간적 및 시간적 척도에 걸쳐 의미 있는 구조적 특징을 식별하기 위한 통합 도구의 부족을 해결하기 위해.
• 기존 방법이 관련 물리적 특징에 대한 사전 정의된 질서 매개변수나 가정에 의존하는 한계를 극복하기 위해.
• 전통적인 질서 정의가 없거나 모호한 시스템에서도 자연스러운 구조 단위와 상관관계를 탐지할 수 있는 일반적이고 편향 없는 접근법을 개발하기 위해.
• 유리, 비정질 격자, 상관 전자 물질 등 정적 및 동적 복잡계를 체계적으로 분석할 수 있도록 하기 위해.
• 우선순위를 두어야 할 성질에 대한 사전 편향 없이, 가장 관련성이 높은 구조적 구성 요소를 식별하여 향후 분석의 기초를 마련하기 위해.

제안 방법

• 입자 또는 국소 영역에 해당하는 노드와 상관관계 또는 상호작용를 표현하는 링크를 갖는 동적 네트워크로 물리적 시스템을 표현하기 위해 네트워크 분석을 적용한다.
• 클러스터 간 상호정보량을 최소화함으로써 상관관계가 없는 자연스러운 구조 단위로 시스템을 최적의 분할을 식별하기 위해 정보 이론 원리를 사용한다.
• 통계적으로 가장 유의미한 상관관계를 갖는 구성 요소의 군집을 찾기 위해 모듈러리티 최대화 기반의 커뮤니티 탐지 알고리즘을 활용한다.
• 계속해서 시스템을 거칠게 다듬는 방식으로 다중 해상도 분석을 수행하여 국소 모티프에서 대규모 비균질성에 이르기까지 다양한 척도의 구조를 드러낸다.
• 실공간 및 푸리에 공간 표현 모두에 이 방법을 확장하여 공간적 및 운동량 공간 상관관계를 분석할 수 있도록 한다.
• 레너드존스 액체 및 금속 유리와 같은 모델 시스템에서 이론을 검증하여, 이cosa헤드랄 및 기타 비정질 질서의 탐지 성공을 입증한다.

실험 결과

연구 질문

• RQ1 어떻게 사전에 어떤 구조적 특징이 관련성이 있는지 가정하지 않고도 비정질 물질의 내재된 구조적 조직을 탐지할 수 있는가?
• RQ2 다양한 척도에서 통계적으로 독립적이고 물리적으로 의미 있는 단위로 비정질 시스템을 최적의 방식으로 분할하는 방법은 무엇인가?
• RQ3 네트워크 기반의 정보 이론적 접근법은 전통적인 질서 매개변수로는 실패하는 유리 및 복잡한 물질에서 숨겨진 질서를 식별할 수 있는가?
• RQ4 이 방법은 낮은 비정질성이 있는 격자 및 비정질 상에서 미세한 비국소적 상관관계와 위상 결함을 탐지하는 데 얼마나 잘 작동하는가?
• RQ5 이 프레임워크는 동적 시스템 및 전자 또는 양자 물질과 같은 다른 물리적 시스템으로 일반화될 수 있는가?

주요 결과

• 이 방법은 장거리 주기성이 없더라도 금속 유리 및 레너드존스 시스템에서 이cosa헤드랄 유사 구조 모티프와 기타 비정질 질서를 성공적으로 식별한다.
• 약한 비정질성이 있는 시스템에서 안정성이 높은 비정질 격자에서 위상 결함과 국소 구조 단위를 탐지한다.
• 냉각된 액체와 유리에서 숨겨진 계층적 구조를 드러내며, 전통적인 반경 분포 함수로는 탐지할 수 없는 중간 척도 상관관계를 확인한다.
• 명백한 격자 단위나 대칭성이 존재하지 않는 비정질 시스템에서 자연스러운 척도를 밝혀내어 군집화 모델링의 기초를 제공한다.
• 기억 효과와 히스테리시스와 관련된 오래 지속되는 구조적 비균질성을 탐지할 수 있으며, 이는 상전이 메모리 물질에 관련된다.
• 이 프레임워크는 전자 유리 및 강한 상관 물질과 같이 시간 상수의 발산과 경쟁 질서로 인해 전통적 분석이 어려운 다른 시스템으로도 일반화 가능하다.