Hybrydowe metodyoptymalizacji 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.

Wykorzystanie możliwości obliczeń równoległych, algorytmów genetycznych i symulowanego wyżarzania.

Wypróbowanie metod hybrydowych (połączenie omawianych algorytmów z metodami gradientowymi).

Algorytmy genetyczne – schemat działania

Losowewygenerowanie

populacjipoczątkowej

Ocena wszystkichosobników populacji

Czy koniecewolucji

?

Generowanie populacjipotomnej:

SelekcjaKrzyżowanie

Mutacja

Wypiszwynik

T N

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)

Kod Graya

Liczba dziesiętna

Kod dwójkowy Kod Graya

0 0000 0000

1 0001 0001

2 0010 0011

3 0011 0010

4 0100 0110

5 0101 0111

Algorytmy genetyczne – operacje genetyczne

Selekcja ruletkowa (prawdopodobieństwo wybrania osobnika jest proporcjonalne do jego wskaźnika przystosowania)

Krzyżowanie jednopunktowe (krzyżowanie osobników macierzystych występuje w jednym losowo wybranym punkcie)

Mutacja wielopunktowa (każdy bit może ulec zmianie z jednakowym prawdopodobieństwem)

Symulowane wyżarzanie – schemat działania algorytmu

Losowaniepoczątkowegorozwiązania

Obliczenieenergii

Ustaleniepoczątkowejtemperatury

Losowazmianarozwiązania

Obliczenieróżnicyenergii

E > 0?

Zmieńrozwiązanie

Zmieńrozwiązaniez prawd.p=exp(-E/kT)

lit=l

max?

T=Tmin

?

Obniżtemperaturę

Zwróćrozwiązanie

T

N T

N

N T

Symulowane wyżarzanie – modyfikacje

Ustalenie początkowej temperatury Ustalenie szybkości chłodzenia Ustalenie długości kroku Możliwość ponownego podgrzania próbki Liczba kroków w danej temperaturze Ewentualna optymalizacja gradientowa

Schemat działania programu

GeneracjaPoczątkowegorozwiązania

Tworzeniedanychwejściowych

Dystrybucjadanych naposzczególnewęzły

Uruchomienieobliczeń na węzłach Uruchomienie

programuodzyskującegowyniki

WygenerowanieKolejnego rozwiązania

Czyosiągniętowarunekkończący

?

Końcowaoptymalizacja

NT

Wyniki – dekan – AM1

GA SA Hybrydowy Hybrydowy gradientowy

Energia

[eV]-1585.60 -1492.44 -1585.82 -1585.82 0 - -1585.82

Czas [s] 9889 5289 183 575 1-3* 76

Ilość wywołań

38131 9400 241 241 1- 76

Ilość procesorów

3 1 3 1 1

Wyniki - dekan

AM1 - 1585.82 eV

PM3 – 1526.39 eV AM1 – 1585.63 eV

PM3 – 1526.44 eV

Wyniki – dekan

Wyniki – dekan

Wyniki - ejkozan

AM1 - -3144.16299 eV PM3 - -3022.04712 eV

AM1 - -3143.80876 eV PM3 - -3021.79408 eV

Wyniki - ejkozan

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

E = -3071.13 eV

t = 5951 s

N = 931

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

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

Wyniki – heteroatom – PM3

E = -3323.32007 eV

T = 9506 s

N = 631

Plany

Testy na większych układach Wykorzystanie do obliczeń pakietu

GAMESS Poprawa wydajności metody

symulowanego wyżarzania …

Koniec