一个基因算法搜索纳米集群的全球最小值,使用量身定制的DFTB方法
Nelson R C Junior1, Maicon Pierre Lourenço2, Breno R L Galvão3
1Centro Federal de Educação Tecnologica de Minas Gerais, CEFET-MG, Av. Amazonas 5253, Belo Horizonte, MG, 30421-169, Brazil.
Journal of molecular modeling
|August 13, 2025
概括
一个具有梯度调整的新遗传算法 (GA) 能够有效地找到纳米集群的全球最小值. 这种方法准确地预测了大型纳米集群的结构,这对于理解它们的特性至关重要.
科学领域:
- 计算化学是一种计算化学.
- 材料科学是一种材料科学.
- 纳米技术 纳米技术
背景情况:
- 找到纳米集群的全球最小能量结构是具有挑战性的,因为有很多本地最小值.
- 全球最小结构对于预测纳米集群属性至关重要.
研究的目的:
- 开发一种高效的遗传算法 (GA),用于在纳米集群潜在能量超表面中找到全球最小值.
- 应用开发的GA来预测大型纳米集群的结构.
主要方法:
- 开发了一种新的遗传算法 (GA),在局部优化中结合梯度调整.
- 该算法的效率被使用Lennard-Jones集群作为基准验证.
- 密度-功能紧密结合 (DFTB) 与调整的参数被用于集群能量计算.
主要成果:
- 与随机搜索和标准GA相比,开发的GA显示出更高的效率.
- 该算法成功预测了高达100个原子的纳米集群的全球最小值.
- 梯度调整的GA在与电子结构方法相结合时特别有效.
结论:
- 梯度调整的GA为纳米集群系统中的全球最小搜索提供了一种高效的方法.
- 这种方法提高了预测纳米集群结构和属性的可靠性.
- 开发的技术对于纳米级材料的计算研究有价值.


