1 / 21

Hybrydowe metody optymalizacji geometrii. Prezentacja wyników.

Hybrydowe metody optymalizacji geometrii. Prezentacja wyników. AnnaStyrcz. Idea projektu. Stworzenie uniwersalnego programu zarządzającego dużą liczbą obliczeń . Możliwość korzystania z dowolnego programu do obliczeń kwantowochemicznych bez potrzeby ingerencji w kod źródłowy.

Download Presentation

Hybrydowe metody optymalizacji geometrii. Prezentacja wyników.

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Hybrydowe metodyoptymalizacji geometrii.Prezentacja wyników. AnnaStyrcz

  2. Idea projektu Stworzenie uniwersalnego programu zarządzającego dużą liczbą obliczeń. Możliwość korzystania z dowolnego programu do obliczeń kwantowochemicznych bez potrzeby ingerencji w kod źródłowy. Wykorzystanie możliwości obliczeń równoległych, algorytmów genetycznych i symulowanego wyżarzania. Wypróbowanie metod hybrydowych (połączenie omawianych algorytmów z metodami gradientowymi).

  3. Algorytmy genetyczne – schemat działania Generowanie populacji potomnej: Selekcja Krzyżowanie Mutacja Losowe wygenerowanie populacji początkowej Ocena wszystkich osobników populacji Czy koniec ewolucji ? N T Wypisz wynik

  4. Algorytmy genetyczne – kodowanie • Zamiana przedziału ciągłego na dyskretny mający 2l–1 wartości l  + • Zapis w postaci ciągu binarnego • Kodowanie Graya (kolejne liczby różnią się tylko o jeden bit)

  5. Kod Graya

  6. Algorytmy genetyczne – operacje genetyczne • Selekcja ruletkowa (prawdopodobieństwo wybrania osobnika jest proporcjonalnedo jego wskaźnika przystosowania) • Krzyżowanie jednopunktowe (krzyżowanie osobników macierzystych występuje w jednym losowo wybranym punkcie) • Mutacja wielopunktowa (każdy bit może ulec zmianie z jednakowym prawdopodobieństwem)

  7. Symulowane wyżarzanie – schemat działania algorytmu Losowanie początkowego rozwiązania Losowa zmiana rozwiązania Obniż temperaturę Obliczenie energii Obliczenie różnicy energii N T=Tmin? T Zwróć rozwiązanie Ustalenie początkowej temperatury E > 0? N T N T lit=lmax? Zmień rozwiązanie z prawd. p=exp(-E/kT) Zmień rozwiązanie

  8. Symulowane wyżarzanie – modyfikacje • Ustalenie początkowej temperatury • Ustalenie szybkości chłodzenia • Ustalenie długości kroku • Możliwość ponownego podgrzania próbki • Liczba kroków w danej temperaturze • Ewentualna optymalizacja gradientowa

  9. Schemat działania programu Wygenerowanie Kolejnego rozwiązania Generacja Początkowego rozwiązania Dystrybucja danych na poszczególne węzły Czy osiągnięto warunek kończący ? N T Tworzenie danych wejściowych Uruchomienie obliczeń na węzłach Uruchomienie programu odzyskującego wyniki Końcowa optymalizacja

  10. Wyniki – dekan – AM1

  11. Wyniki - dekan AM1 - 1585.82 eV PM3 – 1526.44 eV PM3 – 1526.39 eV AM1 – 1585.63 eV

  12. Wyniki – dekan

  13. Wyniki – dekan

  14. Wyniki - ejkozan AM1 - -3144.16299 eV PM3 - -3022.04712 eV PM3 - -3021.79408 eV AM1 - -3143.80876 eV

  15. Wyniki - ejkozan

  16. Wyniki – 2,5,8-triethyl-3,6,9-trimethyl-1,4,7-oksatioazocyclononan – AM1 E = -3071.13 eV t = 5951 s N = 931

  17. Wyniki – 2,5,8-triethyl-3,6,9-trimethyl-1,4,7-oksatioazocyclononan – AM1

  18. Wyniki – 2,5,8-triethyl-3,6,9-trimethyl-1,4,7-oksatioazocyclononan – AM1

  19. Wyniki – heteroatom – PM3 E = -3323.32007 eV T = 9506 s N = 631

  20. Plany • Testy na większych układach • Wykorzystanie do obliczeń pakietu GAMESS • Poprawa wydajności metody symulowanego wyżarzania • …

  21. Koniec

More Related