Transcript Energie klastrů vody získaná evolučními algoritmy

Bc. Lucie Zárubová
Vedoucí práce: Mgr. Karel Oleksy,
doc. RNDr. René Kalus, Ph.D.
 Cíle
práce
 Úvod
 Známé
výsledky
 Nové
 Získané
testy
hodnoty energií pro klastry vody
 Závěr
a výhledy
 Získat
 Získat
vhodné nastavení parametrů
výpočetního programu
energie klastrů vody s 2-15, 20
molekulami pro interakční model TIP4P, které
se budou lišit od energií z Cambridge Cluster
Database pouze o malé hodnoty
EVOLUČNÍ ALGORITMY
 Používající pro řešení úloh postupy napodobující
evoluční procesy známé z biologie (dědičnost,
mutace, přirozený výběr, křížení)
 Například tzv. genetický algoritmus
GENETICKÉ ALGORITMY
 Hledá řešení složitých problémů neřešitelných
exaktními algoritmy pomocí aplikací principů
evoluční biologie
 Jedinec většinou reprezentován binárními čísly
(řetězcem nul a jedniček), ale i jinak (např.
stromem, maticí….)
V
praxi
využívány
k
řešení
různých
optimalizačních úloh
VÝPOČETNÍ PROGRAM
V našem výpočetním programu lze provést několik
změn nastavení. Lze
 nastavit počet optimalizací a počet generací v
jedné optimalizaci
 nastavit
různé pravděpodobnosti různých
evolučních operátorů
 nastavit různý typ interakčního modelu v klastru
vody (TIP3P, TIP4P, TIP5P)
 nastavit různý počet molekul v klastru
Z prvních testů již víme, že:
 Všechny
části
programu
nejsou
paralelizovatelné → počet optimalizací,
které získáme, se bude blížit k určité
konečné hodnotě – přibližně k 8000, i když
program spustíme na více než 8 procesorech
- test paralelizace
 Pro menší molekulární klastry vody nachází
program stabilní konfigurace, pro větší
klastry (n>9) třeba provést další testy
V
dalším testu jsme hledali optimální
nastavení pravděpodobností použití různých
evolučních operátorů:





Při použití genotypové mutace je nejlepším
nastavením pravděpodobnost 0,1
Při použití fenotypové mutace je nejvhodnější
nastavení programu pravděpodobnost 0,01
Při použití křížení pomocí řezu rovinou je
nejvhodnější co největší pravděpodobnost
mutace (tj. 1,0)
Pro křížení jednotlivých proměnných je
nejlepším nastavením nenulová pravděpodobnost
mutace
Při použití křížení na úrovni molekul nehraje
nastavení pravděpodobnosti roli

Při
hledání
optimálního
nastavení
pravděpodobností
různých
evolučních
operátorů
jsme
měnili
hodnotu
pravděpodobnosti
pouze
u
jednoho
operátoru, hodnoty pravděpodobností u
ostatních operátorů byly nastaveny na určité
hodnotě
→ Nedosáhli bychom jiného optimálního
nastavení, kdybychom měnili pravděpodobnosti
u více evolučních operátorů současně???
TEST INTERAKCE EVOLUČNÍCH OPERÁTORŮ
Hledali jsme, zda se nastavení evolučních
operátorů mezi sebou neovlivňuje
 Provedli jsme 3 skupiny testů:
Hodnoty
pravděpodobností
3
evolučních
operátorů byly nastaveny optimálně, nastavení
pravděpodobnosti
u
zbylého
evolučního
operátoru jsme měnili
Pravděpodobnosti u dvou evolučních operátorů
byly
nastaveny
optimálně
a
nastavení
pravděpodobností u zbylých dvou operátorů jsme
měnili

U třetího testu byla nastavena optimálně hodnota
pravděpodobnosti jen u jednoho operátoru,
hodnoty pravděpodobností u ostatních operátorů
byly měněny
→ z testů vyplynulo, že operátory mezi sebou
neinteragují, můžeme tedy v nastavení programu
použít optimální hodnoty získané v předchozím
testu
TEST HLEDÁNÍ OPTIMÁLNÍHO NASTAVENÍ
POČTU CHROMOZOMŮ
 Prováděn pro klastry s 13, 14, 15 a 20
molekulami vody – energie těchto klastrů se
od energie z CCD lišila o větší hodnoty
 Snaha nalézt nastavení s minimální odchylkou
od energií klastrů z CCD
 Optimální
nastavení:
(H2O)13  12 chromozomů
stejně jako pro klastr s 15 a 20 molekulami,
pouze pro klastr (H2O)14  48 chromozomů
TEST HLEDÁNÍ OPTIMÁLNÍHO NASTAVENÍ
POČTU GENERACÍ A OPTIMALIZACÍ
 Hledali jsme optimální nastavení počtu
generací během 1 optimalizace a zároveň
celkového počtu optimalizací
 Pro
vybrané velikosti klastrů vody s
13, 14, 15 a 20 molekulami
 Vycházeli
jsme z původního nastavení
programu, v němž součin počtu optimalizací
a počtu generací dával dohromady tisíc
 Zkoušeli
jsme pouze různé kombinace
nastavení počtu generací a zároveň
celkového počtu optimalizací
 Použili jsme optimální nastavení zjištěné
předchozími testy
 Optimální
nastavení:
(H2O)13  50 optimalizací, během každé
optimalizace 20 generací, případně
25
optimalizací, v každé optimalizaci 40
generací
stejně jako pro klastr se 14 a 15 molekulami,
pouze pro klastr (H2O)20  17 optimalizací,
během každé optimalizace 60 generací
Počet molekul
vody v klastru
Naše energie
[eV]
Energie z CCD
[eV]
2
0,2704
0,2704
3
0,7254
0,7254
4
1,2083
1,2084
5
1,5764
1,5765
6
2,0497
2,0499
7
2,5242
2,5245
8
3,1662
3,1665
9
3,5695
3,5698
10
4,0523
4,0527
11
4,4581
4,4721
Počet molekul
vody v klastru
Naše energie
[eV]
Energie z CCD
[eV]
12
5,0618
5,1086
13
5,5234
5,5239
14
6,0418
6,0423
15
6,5121
6,5126
20
8,9984
9,0479
 Získali
jsme optimální nastavení výpočetního
programu pro klastry vody s 2-15 a 20
molekulami – pro interakční model TIP4P
 Další práce:
Zjistit hodnoty energií pro klastry s 16-19
molekulami vody
Zjistit hodnoty energií pro klastry vody s
interakčním modelem TIP5P, jiné modely
vyvinuté na Kfy OU
Zjistit hodnoty energií pro klastry vody s
příměsí