当前位置：
X-MOL 学术
›
J. Comput. Chem.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
GAMaterial—A genetic-algorithm software for material design and discovery
Journal of Computational Chemistry ( IF 3.4 ) Pub Date : 2022-11-29 , DOI: 10.1002/jcc.27043 Maicon Pierre Lourenço 1 , Jiří Hostaš 2 , Lizandra Barrios Herrera 2 , Patrizia Calaminici 3 , Andreas M Köster 3 , Alain Tchagang 4 , Dennis R Salahub 2
Journal of Computational Chemistry ( IF 3.4 ) Pub Date : 2022-11-29 , DOI: 10.1002/jcc.27043 Maicon Pierre Lourenço 1 , Jiří Hostaš 2 , Lizandra Barrios Herrera 2 , Patrizia Calaminici 3 , Andreas M Köster 3 , Alain Tchagang 4 , Dennis R Salahub 2
Affiliation
|
Genetic algorithms (GAs) are stochastic global search methods inspired by biological evolution. They have been used extensively in chemistry and materials science coupled with theoretical methods, ranging from force-fields to high-throughput first-principles methods. The methodology allows an accurate and automated structural determination for molecules, atomic clusters, nanoparticles, and solid surfaces, fundamental to understanding chemical processes in catalysis and environmental sciences, for instance. In this work, we propose a new genetic algorithm software, GAMaterial, implemented in Python3.x, that performs global searches to elucidate the structures of atomic clusters, doped clusters or materials and atomic clusters on surfaces. For all these applications, it is possible to accelerate the GA search by using machine learning (ML), the ML@GA method, to build subsequent populations. Results for ML@GA applied for the dopant distributions in atomic clusters are presented. The GAMaterial software was applied for the automatic structural search for the Ti6O12 cluster, doping Al in Si11 (4Al@Si11) and Na10 supported on graphene (Na10@graphene), where DFTB calculations were used to sample the complex search surfaces with reasonably low computational cost. Finally, the global search by GA of the Mo8C4 cluster was considered, where DFT calculations were made with the deMon2k code, which is interfaced with GAMaterial.
中文翻译：
GAMaterial——一种用于材料设计和发现的遗传算法软件
遗传算法 (GA) 是受生物进化启发的随机全局搜索方法。它们已广泛用于化学和材料科学以及从力场到高通量第一性原理方法的理论方法。该方法允许对分子、原子簇、纳米粒子和固体表面进行准确和自动化的结构测定，例如，对于理解催化和环境科学中的化学过程至关重要。在这项工作中，我们提出了一种新的遗传算法软件，GAMaterial，在 Python3.x 中实现，它执行全局搜索以阐明表面上的原子团簇、掺杂团簇或材料和原子团簇的结构。对于所有这些应用程序，可以通过使用机器学习 (ML) 来加速 GA 搜索，ML@GA 方法，用于构建后续种群。给出了 ML@GA 应用于原子团簇中掺杂剂分布的结果。GAMaterial 软件用于 Ti 的自动结构搜索6 O 12簇，在 Si 11 (4Al@Si 11 ) 和 Na 10中掺杂 Al支持在石墨烯上 (Na 10 @graphene)，其中 DFTB 计算用于以相当低的计算成本对复杂的搜索表面进行采样。最后，考虑通过 GA 对 Mo 8 C 4簇进行全局搜索，其中使用与 GAMaterial 接口的 deMon2k 代码进行 DFT 计算。
更新日期：2022-11-29
中文翻译：
GAMaterial——一种用于材料设计和发现的遗传算法软件
遗传算法 (GA) 是受生物进化启发的随机全局搜索方法。它们已广泛用于化学和材料科学以及从力场到高通量第一性原理方法的理论方法。该方法允许对分子、原子簇、纳米粒子和固体表面进行准确和自动化的结构测定，例如，对于理解催化和环境科学中的化学过程至关重要。在这项工作中，我们提出了一种新的遗传算法软件，GAMaterial，在 Python3.x 中实现，它执行全局搜索以阐明表面上的原子团簇、掺杂团簇或材料和原子团簇的结构。对于所有这些应用程序，可以通过使用机器学习 (ML) 来加速 GA 搜索，ML@GA 方法，用于构建后续种群。给出了 ML@GA 应用于原子团簇中掺杂剂分布的结果。GAMaterial 软件用于 Ti 的自动结构搜索6 O 12簇，在 Si 11 (4Al@Si 11 ) 和 Na 10中掺杂 Al支持在石墨烯上 (Na 10 @graphene)，其中 DFTB 计算用于以相当低的计算成本对复杂的搜索表面进行采样。最后，考虑通过 GA 对 Mo 8 C 4簇进行全局搜索，其中使用与 GAMaterial 接口的 deMon2k 代码进行 DFT 计算。
京公网安备 11010802027423号