सामग्री और कम्प्यूटेशनल रसायन विज्ञान (एमसीसी)

अनुप्रयोगों के बारे में
परियोजनाएँ
गैलरी

सामग्री और कम्प्यूटेशनल रसायन विज्ञान (एमसीसी)


परिचय

वैज्ञानिक अनुसंधान तीन आवश्यक प्रथाओं के संयोजन के माध्यम से किया जाता है: सिद्धांत, प्रयोग और संगणना। आधुनिक कंप्यूटरों के उद्भव के बाद से, प्रयोगों के मॉडलिंग और सिमुलेशन के लिए संगणना ने कम्प्यूटेशनल विज्ञान के उद्भव को जन्म दिया है। उच्च-प्रदर्शन कंप्यूटिंग (एचपीसी) की डेटा को संसाधित करने और उच्च गति पर जटिल गणना करने में प्रमुख भूमिका है। एचपीसी अनुप्रयोग एचपीसी सिस्टम के लिए हार्डवेयर और सॉफ़्टवेयर दोनों के विकास के चालक हैं। विज्ञान, व्यवसाय और इंजीनियरिंग में जटिल समस्याओं को हल करने के लिए कई वास्तविक जीवन परिदृश्यों को हल करने के लिए एचपीसी पर संगणनाओं में अर्थव्यवस्था और मानव जाति के जीवन की गुणवत्ता को प्रभावित करने की अपार क्षमता है। सामग्री विज्ञान एक ऐसा क्षेत्र है जिसमें सामग्री का अनुसंधान और खोज शामिल है। कम्प्यूटेशनल सामग्री विज्ञान सामग्री को समझने के लिए मॉडलिंग, सिमुलेशन, सिद्धांत और सूचना विज्ञान का उपयोग करता है। मुख्य लक्ष्यों में नई सामग्री की खोज करना, सामग्री के व्यवहार और तंत्र का निर्धारण करना, प्रयोगों की व्याख्या करना और सामग्री सिद्धांतों की खोज करना शामिल है। यह कम्प्यूटेशनल विज्ञान और इंजीनियरिंग दोनों का एक उप-विषय है, जिसमें कम्प्यूटेशनल रसायन विज्ञान और कम्प्यूटेशनल भौतिकी के साथ महत्वपूर्ण ओवरलैप शामिल है

राष्ट्रीय सुपरकंप्यूटिंग मिशन (एनएसएम) के तहत "सामग्री और कम्प्यूटेशनल रसायन विज्ञान" परियोजना का परिणाम जांचकर्ताओं द्वारा विकसित कोड (सॉफ्टवेयर) का सेट है, जो उच्च प्रदर्शन कंप्यूटिंग (एचपीसी) का उपयोग करके परमाणुओं, अणुओं, समूहों, मिश्र धातुओं, जैव-अणुओं और मिश्रित सामग्रियों के गुणों का अध्ययन करने के लिए गणना करता है।



परियोजना सारांश

स्वदेशी वैज्ञानिक कोड का विकास: (l) रैखिक स्केलिंग डीएफटी, (2) हाइब्रिड क्यूएम-एमएम दृष्टिकोण के साथ बहु-संदर्भ विधियां, (3) उत्तेजित अवस्था गतिशीलता टूलकिट, (4) मल्टीस्केल माइक्रोस्ट्रक्चर सिमुलेशन और मॉडलिंग, (5) स्वदेशी क्वांटम रसायन विज्ञान कोड के लिए जीयूआई



उद्देश्य

स्वदेशी वैज्ञानिक कोड का विकास

  1. AMDKIIT: आण्विक गतिशीलता के लिए रैखिक स्केलिंग हाइब्रिड-डीएफटी कोड
  2. एएनएन-सीआई: कम्प्यूटेशनल रसायन विज्ञान, जटिल जैविक प्रणालियों के अध्ययन के लिए मशीन लर्निंग द्वारा संवर्धित कोड
  3. LITESOPH: फोटो-प्रेरित घटनाओं के सिमुलेशन के लिए लेयर इंटीग्रेटेड टूलकिट और इंजन, फोटो-प्रेरित घटनाओं के सिमुलेशन के लिए एक टूलकिट है
  4. μ2mech: यह एक बहुस्तरीय मॉडलिंग दृष्टिकोण है जो ठोस अवस्था चरण परिवर्तनों के दौरान सूक्ष्म संरचना मॉडलिंग के लिए परमाण्विक और चरण-क्षेत्र सिमुलेशन को जोड़ता है।
  5. MTASpec: विखंडन-आधारित आणविक टेलरिंग दृष्टिकोण पर आधारित ओउंटम ​​रसायन विज्ञान कोड।
  6. सामग्री और कम्प्यूटेशनल रसायन विज्ञान (एमएससीसी) अनुप्रयोग समर्थन* गतिविधि: एनएसएम प्रणालियों पर पांच** स्वदेशी सॉफ्टवेयरों का पोर्टिंग और परिनियोजन तथा अनुप्रयोग समर्थन [सी-डैक, पुणे]

*मार्च 2023 से, पाँच स्वदेशी सॉफ्टवेयर विकसित के प्रसार के लिए सामग्री और कम्प्यूटेशनल रसायन विज्ञान अनुप्रयोग समर्थन गतिविधि को जोड़ा गया [पीएमसी और टीएसी की सिफारिशों पर]।



वितरणयोग्य

सामग्री और कम्प्यूटेशनल रसायन विज्ञान के क्षेत्र में पांच स्वदेशी रूप से विकसित सॉफ्टवेयर, प्रतिष्ठित अंतरराष्ट्रीय पत्रिकाओं में प्रकाशन, सभी पांच सॉफ्टवेयर के लिए एक प्रशिक्षण कार्यशाला।



सहयोगी
  1. सी-डैक
  2. आईआईटी कानपुर
  3. आईआईएसईआर भोपाल
  4. एस पी पुणे विश्वविद्यालय


उपलब्धियाँ

पाँच स्वदेशी रूप से विकसित और ओपन-सोर्स सॉफ्टवेयर:

  1. AMDKIIT [Linear scaling DFT],
  2. ANN-CI [Multi-reference methods based on MLwith QM/MM methods],
  3. LITESOPH [Excited state dynamics toolkit],
  4. μ2mech [Multiscale Microstructure Simulation and Modelling], and
  5. MTA Spec [GUI for home-grown Quantum Chemistry code].


पीएचडी थीसिस (छह):
  1. Ab Initio Molecular Dynamics with Hybrid Density Functionals: Implementation and Application by Sagarmoy Mandal [IIT Kanpur] (July, 2020).
  2. Theoretical investigation of excited state phenomena in photoprotection and self-repair of DNA by  Satyajit Mandal [IISER Bhopal] (November 2021).
  3. Renormalization and machine learning approaches for strongly correlated systems - development and applications, by Madhumita Rano [IACS Kolkata] (2023).
  4. Development of Machine Learning Approaches for Strongly Correlated Systems, by Sumanta K. Ghosh [IACS Kolkata] (2023).
  5. Accelerating Excited State Calculations, by Koushik Seth[IACS Kolkata] (2024).
  6. Speeding-up Hybrid Density Functional based Ab Initio Molecular Dynamics Simulation by Ritama Kar [IIT Kanpur] (Expected submission: April, 2025).


प्रकाशन

पाँच उप-परियोजनाओं से अंतर्राष्ट्रीय जर्नल में 31 प्रकाशन

  1. Achieving an Order of Magnitude Speedup in Hybrid-Functional- and Plane-Wave-Based Ab Initio Molecular Dynamics: Applications to Proton-Transfer Reactions in Enzymes and in Solution, S. Mandal, V. Thakkur, B. Meyer, N. N. Nair, J. Chem. Theory Comput. (2021), 17, 4, 2244.
  2. Improving the scaling and performance of multiple time stepping-based molecular dynamics with hybrid density functionals, S. Mandal, R. Kar, T. Klöffel, B. Meyer, N. N. Nair, J. Comput. Chem. (2022), 43 (9), 588.
  3. Hybrid Functional and Plane Waves based Ab Initio Molecular Dynamics Study of the Aqueous Fe2+/Fe3+ Redox Reaction, S. Mandal, R. Kar, B. Meyer, N. N. Nair, ChemPhysChem (2023), 24, e202200617.
  4. Speeding-up Hybrid Functional-Based Ab Initio Molecular Dynamics Using Multiple Time-stepping and Resonance-Free Thermostat, R. Kar, S. Mandal, V. Thakkur, B. Meyer, and N. N. Nair, J. Chem. Theory Comput. (2023), 19 (22), 8351.
  5. Dynamics of Anthracene Excimer Formation within a Water-soluble Nanocavity at Room Temperature, Aritra Das, Ashwini Danao, Shubhojit Banerjee, A. Mohan Raj, Gaurav Sharma; Rajeev Prabhakar, Varadharajan Srinivasan, Vaidhyanathan Ramamurthy, and Pratik Sen, Am. Chem. Soc. (2021), 143, 2025.
  6. Size and Composition Dependence of Plasmonic Excitations in Transition Metal Dichalcogenide Nanoflakes, Paresh C. Rout, Vignesh K. Balaji, Nesta B. Joseph, Shalini Tomar, and Varadharajan Srinivasan, Phys. Chem. C  (2023), 127, 33, 16464.
  7. Universal Measure for the Impact of Adiabaticity on Quantum Transitions, Ritesh Pant, Pramod K. Verma, Chakradhar Rangi, Elious Mondal, Mansi Bhati, Varadharajan Srinivasan, and Sebastian Wüster, Rev. Lett.  (2024), 132, 126903.
  8. Ultrafast Processes in Upper Excited Singlet States of Free and Caged 7-Diethylaminothiocoumarin, Abhijit Dutta, Sujit Kumar Ghosh, Satyajit Mandal, Varadharajan Srinivasan, Vaidhyanathan Ramamurthy, and Pratik Sen, Phys. Chem. A (2024), 128, 33, 6853.
  9. A supramolecular approach towards the photorelease of encapsulated caged acids in water: 7‑diethylaminothio‑4‑coumarinyl molecules as triggers, Sujit Kumar Ghosh, Shreya Chatterjee, Paras Pratim Boruah, Satyajit Mandal, José P. Da Silva, Varadharajan Srinivasan, and Vaidhyanathan Ramamurthy, Photochem Photobiol Sci (2024), 23, 2057.
  10. Plasmon Induced Charge Transfer Dynamics in Metallic Nanoparticle-MoSe2 Nanoflake Heterostructures, Pramod K. Verma, Vignesh B. Kumar, and Varadharajan Srinivasan, Adv. Optical Mater. (Under Review).
  11. Support Vector Regression-Based Monte Carlo Simultion of Flexible Water Clusters, S. Bose, S. Chakrabarty, D. Ghosh, ACS Omega, (2020), 5, 7065.
  12. Configuration interaction trained by neural networks: Application to model polyaromatic hydrocarbons, S.K. Ghosh, M. Rano, D. Ghosh, J. Chem. Phys., (2021), 154, 094117.
  13. Active learning assisted MCCI to target spin states, K. Seth, D. Ghosh, J. Chem. Theory Comput., (2023), 19, 524.
  14. Machine learning matrix product state ansatz for strongly correlated systems, S.K. Ghosh, D. Ghosh, J. Chem. Phys., (2023), 158,
  15. Efficient machine learning configuration interaction for the bond breaking problem, M. Rano, D. Ghosh, J. Phys. Chem.A, (2023), 127, 3705.
  16. Machine learning the quantum mechanical wavefunction, M. Dey, D. Ghosh, J. Phys. Chem. A, (2023), 127, 9159.
  17. Computational Techniques for Strong Electron Correlation: Matrix Product State Ansatz and its Optimization, Rano, S. K. Ghosh, and D. Ghosh, “Comprehensive computational chemistry,” in Y. Manual and R. J. Boyd, Eds. Elsevier, Inc., 2024, vol. 1, ch. , p. 121.
  18. μ2Mech: A software package combining microstructure modeling and mechanical property prediction, A. Linda, A. S. Negi, V. Panwar, R. Chafle, S. Bhowmick, K. Das, and R. Mukherjee, Physica Scripta (2024) 99 (5), art. no. 055256.
  19. Accelerating microstructure modeling via machine learning: A method combining Autoencoder and ConvLSTM, Ahmad, N. Kumar, R. Mukherjee, and Bhowmick, Phys. Rev. Materials (2023) 7 (8), art. no. 083802, .
  20. Anomalous coarsening behaviour in Ni-Al alloys: Insights from phase-field simulations, R. Chafle, and  Mukherjee, Materials Letters (2020) 279, art. no. 128444.
  21. Constructing Potential Energy Surface with Correlated Theory for Dipeptides Using Molecular Tailoring Approach, S. S. Khire, N. Gattadahalli, N. D. Gurav, A. Kumar, and S. R. Gadre, ChemPhysChem., (2023), 24, e202200784.
  22. Enabling Rapid and Accurate Construction of CCSD(T)-Level Potential Energy Surface of Large Molecules Using Molecular Tailoring Approach, S. S. Khire, N. D. Gurav, A. Nandi, and S. R. Gadre, J. Phys. Chem. A  (2022), 126, 1458.
  23. Ring-Polymer Instanton Tunneling Splittings of Tropolone and Isotopomers using a Δ-Machine Learned CCSD(T) Potential: Theory and Experiment Shake Hands, A. Nandi, G. Laude, S. S. Khire, N. D. Gurav, C. Qu, R. Conte, Q. Yu, S. Li, P. L. Houston, S. R. Gadre, J. O. Richardson, F. Evangelista, and J. M. Bowman, J. Am. Chem. Soc. (2023), 145 , 9655.
  24. Theoretical and experimental study of IR spectra of large phenol-acetylene clusters, Ph(Ac)n for 8 ≤ n ≤ 12E. M. Kabadi, S.S.Khire, S. S. Pingale, S. R. Gadre, T. Chiba, and A.Fujji, J. of the Indian Chem. Society, (2021), 98, 100100.
  25. MTASpec software for calculating the vibrational IR and Raman spectra of large molecules at ab initio level, (2022), S. S. Khire, N. Sahu, and S. R. Gadre, Phys.  Comm., (2022), 270, 108175.
  26. Development and testing of an algorithm for efficient MP2/CCSD(T) energy estimation of molecular clusters with the 2–body approach, S. S. Khire, and S. R. Gadre, J. Comput. Chem. , (2023), 44, 261.
  27. Direct and Reliable Method for Estimating the Hydrogen Bond Energies and Cooperativity in Water Clusters, Wn, n = 3 to 8, B.  Ahirwar, S. R. Gadre, and M. M. Deshmukh, J. Phys. Chem. A (2020) , 124, 6699.
  28. Molecular Tailoring Approach for Estimating Individual Intermolecular Interaction Energies in Benzene Clusters, B. Ahirwar, N. D. Gurav, S. R. Gadre, and M. M. Deshmukh, J. Phys. Chem. A (2021), 125, 6131.
  29. Hydration shell model for expeditious and reliable individual hydrogen bond energies in large water clusters, B. Ahirwar, N. D. Gurav, S. R. Gadre, and M. M. Deshmukh, Phys. Chem. Chem. Phys., (2022), 24, 15462.
  30. On the Short-Range Nature of Cooperativity in Hydrogen-Bonded Large Molecular Clusters, B. Ahirwar, S. R. Gadre, and M. M. Deshmukh, J. Phys. Chem. A (2023), 127, 4394.
  31. Combining fragmentation method and high-performance computing: Geometry optimization and vibrational spectra of proteins [submitted to J. Chem. Phys. Special Issue on HPC].


प्रशिक्षण और कार्यशालाएँ

उपयोगकर्ता समुदाय के बीच सॉफ्टवेयर के प्रसार के लिए प्रयास

  1. 9-11 अक्टूबर 2023 को सी-डैक पुणे में तीन दिवसीय उपयोगकर्ता कार्यशाला आयोजित की गई [25 प्रतिभागी (सी-डैक, पुणे + 30 (ऑनलाइन)]
  2. सॉफ्टवेयर के उपयोगकर्ताओं के लिए ऑनलाइन कार्यशाला आयोजित की गई,
    • AMDKIIT (25 अप्रैल 2024) [32 प्रतिभागी],
    • LITESOPH (22 मई 2024) [42 प्रतिभागी],
    • MTASpec (25 जुलाई 2024) [45 प्रतिभागी],
    • एएनएन-सीआई (13 सितंबर 2024) [60 प्रतिभागी], और 
    • μ2mech (24 जनवरी 2025) [50 प्रतिभागी]
  4. एनएसएम प्रणालियों पर इन सॉफ्टवेयरों की परिनियोजना और उपयोगकर्ता मैनुअल की सुविधा प्रदान करना
  5. स्केलिंग और प्रदर्शन ट्यूनिंग अभ्यासों के लिए विकास टीमों के साथ जुड़ाव, आगे समानांतरता और कोड अनुकूलन के लिए गुंजाइश की पहचान करना


कार्यशाला की तस्वीरें

चित्र: 9-11 अक्टूबर 2023 को सी-डैक पुणे में आयोजित तीन दिवसीय उपयोगकर्ता कार्यशाला