Gupta与Sutton-Chen势函数的金团簇稳定结构

纳米金团簇的尺寸与稳定结构是决定其独特催化活性的重要因素。采用由实验数据拟合的Gupta势函数及由密度泛函计算结果拟合参数的Sutton-Chen势函数来描述金团簇中金原子间相互作用。结合动态格点搜索算法(DLS)和自适应免疫优化算法(AIOA)2种高效优化算法(称之为AIOA-DLS算法),优化At_(38-90)团簇的最稳定结构。基于优化结果分析了其拓扑结构、生长规律及势能量的变化规律,并通过分析势能量二阶有限差分比较了2种势函数的差异性。     

杂合型全局优化法优化Sr2+(H2O)n团簇

以半经验的势能函数描述H_2O-H_2O之间和Sr~(2 )-H_2O间的相互作用,采用杂合型全局优化法(fast hybrid global optimiza- tion algorithm,FHGOA)搜索Sr~(2 )(H_2O)_n(n=1-30)团簇的最优结构。结果表明：当n=1-8时,团簇为n_1 0结构,其中,在n_1=5-7时,优化出的团簇结构与实验结果相吻合；当n=9-19时,团簇结构为8 n_2结构；当n=20-30,团簇结构为9 n_2结构。根据实验结果推断：在Sr~(2 )水溶液中,Sr~(2 )的水化数为9,此结果和MC模拟的结果是一致的。     

(OsB)_n(n=1-6)团簇结构与稳定性的第一性原理研究

基于第一性原理,采用密度泛函理论(DFT)中的广义梯度近似(GGA)对(OsB)_n(n=1-6)团簇各种可能的构型进行了几何结构优化,得出了各团簇的最稳定构型,并对最稳定构型的能量、结合能、二阶能量差分、能隙等性质进行了理论研究。研究结果表明:n=2、3时,体系的基态结构分别为棱形和锅盖形;n=4时,体系的基态结构是对称性为T_d的立方体形状,是本文对称性最高的构型;从n=4开始立方体构型主导着团簇基态结构的生长行为,表明团簇的稳定性不仅与团簇的尺寸大小有关,还与团簇的对称性有关。团簇(OsB)_4的能隙、结合能与能量的二阶差分比邻近的值都大,说明团簇(OsB)_4有较高的稳定性,n=4是团簇的幻数。     

三元Ag-Pd-Pt团簇结构优化

改进了用于模拟二元金属团簇稳定结构的自适应免疫优化算法（称为Tri-AIOA）,并将其应用于三元金属Ag-Pd-Pt团簇的结构优化。对原子数为19的Ag-Pd-Pt团簇的优化结果表明,Tri-AIOA具有较强的优化能力和效率。该方法也被用于模拟原子数为55的Ag_nPd₄₃Pt₁₂（n=1-42）团簇稳定结构,优化结果被分为27个Mackay二十面体结构、4个五折叠饼状结构、以及11个由3个双二十面体面面相连构成的环状结构。优化结果为Ag-Pd-Pt团簇的性质研究提供了理论依据。     

水分子团簇模拟及其在观测冷凝过程的应用

在气液相变过程中,水分子相互作用形成团簇,并产生分子间氢键,从而影响了羟基的振动频率。尺寸不同的团簇体系内氢键网络特性不同,红外吸收频率可反应OH所处的相邻氢键以及周围氢键的环境。本文采用密度泛函理论计算了不同尺寸水团簇的稳定结构和红外频率,分析了红外振动频率与团簇尺寸之间的演变关系。结果表明随着尺寸增大,内部水分子结构可能发生转变,(H2O)n团簇结构趋向于紧密的球形,并且伸缩振动频率向低频演化。研究结果可为通过红外光谱技术检测和确定团簇尺寸提供参考依据,并有可能用于水分子团簇在近壁区核化和生长过程的量化检测。     

NO在(Fe_2O_3)_n(2≤n≤6)团簇上吸附的密度泛函理论研究

运用广义梯度密度泛函理论(GGA)的Pcrdew-Burke-Emrnerh(PBE)方法结合团簇模型,在双数值极化函数基组DNP下,研究了(Fe_2O_3)_n(2≤n≤6)团簇的性质和NO在其上的吸附。对于(Fe_2O_3)_n团簇通过对几何构型和性质的计算发现;(Fe_2O_3)_n团簇都具有很高的稳定性并且它们的结构和成键性质都和体材料Fe_2O_3有很大的不同;NO主要以N端吸附在Fe_2O_3团簇Fe-top位。NO在(Fe_2O_3)_n团簇上吸附为化学吸附,对应于n从2~6,吸附能分别为1.792、1.976、2.799、2.963和2.536 eV。Mulliken布局分析结合NO吸附前后的态密度分析表明:吸附前后电子由NO向(Fe_2O_3)_n团簇转移,吸附时NO的5口轨道趋向于转移电子给Fd~(3+)的d轨道,使Fe位形成d~(10)稳定电子构型,同时Fe反馈电子给NO的知反键轨道,总体上为NO失去电子。     

原子动力学蒙特卡洛程序OpenKMC在反应堆压力容器钢缺陷损伤研究中的优化与应用

将具有体心立方结构的Fe-Cu二元合金作为RPV模型材料,分别采用基于Pair势和嵌入原子势(EAM)的动力学蒙特卡洛方法,以引入空位点缺陷的方式模拟了热时效下系统中富铜团簇的析出过程。同时对程序实现了计算优化,并验证了算法的正确性与有效性。利用高性能计算资源对优化后的程序进行了性能分析。数值实验结果表明,通过引入一定数量的空位点缺陷,体系内可以同时析出富铜团簇和铜-空位复合体团簇,并且这种复合体团簇更易成为体系内尺寸最大的团簇。增加体系内的空位数量可以加快沉淀的析出过程。另外,增加空位数量不会对体系总的团簇数量密度产生显著影响,但是能够促进团簇粗化,使其成长为尺寸更大的沉淀。     

一种基于多簇结构的高斯动态粒子群优化算法

分析高斯动态粒子群优化算法(GDPSO)中新的种群产生方式的特点,针对传统粒子群优化算法中全局最优模型收敛速度快但易陷入局部最优、局部最优模型收敛速度较慢的缺点,提出一种新的粒子群信息共享方式--多簇结构.该算法在簇内部实现粒子间信息的高度共享,而在簇之间则通过松散的连接实现信息的传递,以协调GDPSO算法的勘探和开采能力.通过典型的Benchmark函数优化问题测试并分析经典拓扑以及多簇结构在GDPSO算法中的性能,仿真实验结果表明,采用特定多簇结构的GDPSO算法收敛速度和稳定性显著提高,同时全局搜索能力明显增强.     

碳原子簇Cn(n=2-20)的结构优化及构型转换

将并行快速退火演化算法结合Brenner势能函数用于小碳原子簇Cn(n=2—20)的结构优化，得到了最稳定构型：C2-C4为线型结构；C5-C17，为单环；C18和C19为类富勒烯的笼状结构；C30为最小的富勒烯。在Brenner势中使用了关于键级的修正项Fij以考虑成键轨道的非正常重叠和非、局域效应，研究了Fij项对碳原子簇键级以及结构转变产生的影响和原因，结果表明该修正项可以降低多环碳原子簇的键级，使得原子簇C18和C20的最稳定结构发生从多环到笼状的转变。     

一种基于模拟退火算法的无线传感器网络最优簇类求解方案

通过对现有分簇算法的深入研究,从典型的组合优化问题着手,利用模拟退火算法的思想,提出了一种基于模拟退火算法的无线传感器网络最优簇类求解方案,首先将簇头节点集合抽象为参考模型,通过一定的扰动因子不断迭代更新最终得到目标簇头集,然后将模拟退火算法的整个思想充分结合到最佳簇数的选择过程中,详细介绍了整个过程的实现,并通过数学...     

多核环境下高效集合通信关键技术研究

随着高性能计算需求的日益增长,多核处理器在高性能计算中间得到了广泛的普及.为了保证高性能计算机系统的效率,需要保持计算和通信的平衡性,多核的广泛使用对通信系统的效率提出了更高的要求.集合通信作为通信系统中的重要组成部分,研究多核环境下的高效集合通信具有十分重要的意义.文中首先研究了多核对集合通信性能的影响,并根据多核处理器共享Cache以及内存竞争的特点,提出了层次化算法、限制并发、NUMA感知的优化方法和Cache友好的优化算法,并分别在MPI_Barrier、MPI_Bcast和MPI_Alltoall中进行了验证.实验结果表明优化方法能够有效地利用多核结构特点,降低竞争带来的影响,提高了多核环境下集合通信的性能和可扩展性.     

多指标自趋优的GPU集群能耗控制模型

在大规模流数据实时处理领域中图形处理器(graphics processing unit,GPU)集群是一种重要的并行计算系统,对计算速度、能耗和可靠性3项指标都有较高要求.然而各指标互相约束,在实时计算中需要动态寻找最优均衡点,因此GPU集群中多项性能指标实时优化成为一个具有挑战性的问题.为综合考虑计算速度、能耗和可靠性3项指标,利用极大熵函数法把多项指标转化为一个综合性能评价指标,再以模型预测控制理论为基础构造一个自适应强的控制模型,该模型能够依据计算负载的变化动态调整集群内节点的能耗状态,在保证计算速度和可靠性的前提下消减冗余计算能耗.与未考虑可靠性的基准控制模型进行对比实验,结果表明所提出的模型具有较好的控制稳定性和鲁棒性,适合应用到GPU集群节能管理中.     

解决几何约束系统的非刚性簇改写方法

提出一种新的解决几何约束系统的构造求解方法。这是一种基于簇改写的求解器,新的解决方法扩展了可被解决的问题的种类,保持了簇改写方法的优点。相比先前的簇改写求解器只确定了刚性簇以及两种非刚性簇,也就是有着特定的自由度的簇。许多不能被分解为刚性簇的问题得以解决,而不用求助于那些复杂的代数解决方法。     

Two-dimensional multiple-histogram method applied to isothermal–isobaric Monte Carlo simulations of molecular clusters

A two-dimensional multiple-histogram method for isothermal–isobaric ensemble is discussed in detail, implemented for isothermal–isobaric Monte Carlo simulations of molecular clusters, and employed in a case study on phase changes in pure water clusters containing 15 through 21 water molecules. Full phase diagrams of these clusters are reported in the temperature–pressure plane over a broad range of temperatures (T=30–800$T=30\text{–}800$ K) and pressures P=10³–10⁹$P={10}^3\text{–}{10}^9$ Pa. The main focus of the work is on the structural transformation occurring in the solid phase of these clusters and leading from cluster structures with all molecules on the cluster surface to cage-like structures with one molecule inside, and on how the transformation is influenced by increased pressure and temperature.     

Simultaneous feature selection and symmetry based clustering using multiobjective framework

In this paper a new framework based on multiobjective optimization (MOO), namely FeaClusMOO, is proposed which is capable of identifying the correct partitioning as well as the most relevant set of features from a data set. A newly developed multiobjective simulated annealing based optimization technique namely archived multiobjective simulated annealing (AMOSA) is used as the background strategy for optimization. Here features and cluster centers are encoded in the form of a string. As the objective functions, two internal cluster validity indices measuring the goodness of the obtained partitioning using Euclidean distance and point symmetry based distance, respectively, and a count on the number of features are utilized. These three objectives are optimized simultaneously using AMOSA in order to detect the appropriate subset of features, appropriate number of clusters as well as the appropriate partitioning. Points are allocated to different clusters using a point symmetry based distance. Mutation changes the feature combination as well as the set of cluster centers. Since AMOSA, like any other MOO technique, provides a set of solutions on the final Pareto front, a technique based on the concept of semi-supervised classification is developed to select a solution from the given set. The effectiveness of the proposed FeaClustMOO in comparison with other clustering techniques like its Euclidean distance based version where Euclidean distance is used for cluster assignment, a genetic algorithm based automatic clustering technique (VGAPS-clustering) using point symmetry based distance with all the features, K-means clustering technique with all features is shown for seven higher dimensional data sets obtained from real-life.     

An automatic shape independent clustering technique

This article describes a clustering technique that can automatically detect any number of well-separated clusters which may be of any shape, convex and/or non-convex. This is in contrast to most other techniques which assume a value for the number of clusters and/or a particular cluster structure. The proposed technique is based on an iterative partitioning of the relative neighborhood graph, coupled with a post-processing step for merging small clusters. Techniques for improving the efficiency of the proposed scheme are implemented. The clustering scheme is able to detect outliers in data. It is also able to indicate the inherent hierarchical nature of the clusters present in a data set. Moreover, the proposed technique is also able to identify the situation when the data do not have any natural clusters at all. Results demonstrating the effectiveness of the clustering scheme are provided for several data sets.     

基于精英集的多目标差分进化聚类算法

聚类数的确定在聚类分析中是一个基本却具有挑战性的问题。一方面,最佳聚类数根据不同的评价标准、用户偏好或需求可能不一致,因此将不同聚类数的聚类结果呈现给用户作参考是有意义的。另一方面,增加聚类数虽会使聚类结果更加紧致,却会削弱不同类之间的分离性,所以选择合适的聚类数是一个在最小化聚类数与最大化类内紧致性或类间分离性之间取得平衡的多目标优化问题。因此,在聚类数不确定的聚类问题中直接将聚类数作为一个优化目标与另一个反映类内紧致性的目标函数同时进行优化,利用新的基于精英集的多目标差分进化算法得到一个Pareto解集,集合中含有多个不同聚类数的近似最优聚类结果。实验结果验证了所提算法的可行性和有效性。     

Efficient implementation and application of the artificial bee colony algorithm to low-dimensional optimization problems

We adapt a swarm-intelligence-based optimization method (the artificial bee colony algorithm, ABC) to enhance its parallel scaling properties and to improve the escaping behavior from deep local minima. Specifically, we apply the approach to the geometry optimization of Lennard-Jones clusters. We illustrate the performance and the scaling properties of the parallelization scheme for several system sizes (5–20 particles). Our main findings are specific recommendations for ranges of the parameters of the ABC algorithm which yield maximal performance for Lennard-Jones clusters and Morse clusters. The suggested parameter ranges for these different interaction potentials turn out to be very similar; thus, we believe that our reported values are fairly general for the ABC algorithm applied to chemical optimization problems.