Hybrydowe metody optymalizacji geometrii. Prezentacja wyników.

Prezentacja na temat: "Hybrydowe metody optymalizacji geometrii. Prezentacja wyników."— Zapis prezentacji:

1 Hybrydowe metody optymalizacji 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 Liczba dziesiętna Kod dwójkowy Kod Graya 0000 1 0001 2 0010
0000 1 0001 2 0010 0011 3 4 0100 0110 5 0101 0111

6 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)

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? T N 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 Energia [eV] Czas [s] Ilość wywołań
GA SA Hybrydowy gradientowy Energia [eV] Czas [s] 9889 5289 183 575 1-3* 76 Ilość wywołań 38131 9400 241 1- 76 Ilość procesorów 3 1

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

12 Wyniki – dekan

13 Wyniki – dekan

14 Wyniki - ejkozan AM1 - -3144.16299 eV PM3 - -3022.04712 eV

15 Wyniki - ejkozan

16 Wyniki – 2,5,8-triethyl-3,6,9-trimethyl-1,4,7-oksatioazocyclononan – AM1
E = 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 = eV T = 9506 s N = 631

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

21 Koniec