Hybrid parallel evolutionary algorithm in optimization of 2d grapehene-like materials

• Autorzy: Mrozek A. , Kuś W. , Burczyński T.

Warianty tytułu

PL

Poszukiwanie nowych, płaskich materiałów grafenopodobnych przy użyciu hybrydowego algorytmu optymalizacji

• Języki publikacji: EN

Abstrakty

EN

Development and application of the hybrid parallel evolutionary-conjugated gradient algorithm for searching for new, stable atomic arrangements of the two-dimensional graphene-like carbon lattices was described in this paper. The main goal of the optimization is to find stable arrangements of carbon atoms under imposed conditions (e.g. density, shape and size of the unit cell). Such configurations correspond to the minimal values of the total potential energy of the atomic system. Thus, the fitness function is formulated as the total potential energy of the atoms. Interactions between carbon atoms are modeled using Adaptive Intermolecular Reactive Bond Order potential. The parallel approach used in computations allows significant reduction of computation time. Validation of the achieved results and example of the model of new 2D material obtained using presented method were presented in this paper. The numerical scalability tests of the algorithm were performed on the IBM BlueGcne/Q supercomputer

PL

W artykule przedstawiona została metoda optymalizacji płaskich sieci zbudowanych z atomów węgla. Proponowane podejście bazuje na połączeniu równoległego algorytmu ewolucyjnego z metodą gradientu sprzężonego. Funkcją celu jest wartość energii potencjalnej całego układu atomów. Głównym zadaniem algorytmu jest znalezienie stabilnych położeń atomów w komórce elementarnej - odpowiadających minimum energii potencjalnej całego układu. Algorytm ewolucyjny został zrównoleglony (podział populacji na części), ponadto wspomagający go algorytm gradientowy (wbudowany w program LAMMPS) może również być uruchomiony w wersji sekwencyjnej, jak i równoległej. Jako model oddziaływań między atomami węgla zastosowano potencjał AIREBO, uwzględniający różne stany hybrydyzacji atomów węgla. W pracy zaprezentowano wyniki optymalizacji obejmujące poszukiwania znanych materiałów literatury płaskich materiałów grafenopodobnych, jak i nowych konfiguracji. Ponadto, dla nowych struktur wyznaczono parametry mechaniczne.

Słowa kluczowe

EN

nano-scale modeling; carbon materials; AIREBO potential; evolutionary algorithm; conjugate gradient minimization; parallel computing

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2015
• Tom: Vol. 15, No.1
• Strony: 103--110
• Opis fizyczny: Bibliogr. 24 poz., rys.

Twórcy

autor

Mrozek A.

• University of Science and Technology, al. Mickiewicza 30, 30-059 Krakow, Poland

autor

Kuś W.

• Silesian University of Technology, Akademicka 2A, 44-100 Gliwice, Poland

autor

Burczyński T.

• Institute of Fundamental Technological Research Polish Academy of Sciences, Pawinskiego 5B, 02-106 Warszawa, Poland

Bibliografia

• Brenner, D.W., Shenderova, O.A., Harrison, J.A., Stuart, S.J., Ni B., Sinnott, S.B., 2002, A Second Generation Reactive Empirical Bond Order (REBO) Potential Energy Expression for Hydrocarbons, J Phys-Condens Mat, 14,783-802.
• Chenoweth, K„ van Duin, A.C.T., Goddard III, W.A., 2008, ReaxFF Reactive Force Field for Molecular Dynamics Simulations of Hydrocarbon Oxidation, J Phys Chem A, 112, 1040-1053.
• Cranford, S.W., Buehler, M.J., 2011, Mechanical Properties of Graphyne, Carbon, 49,4111 -4121.
• Enyashin, A.N., Ivanovskii, A.L., 201 1, Graphene Allotropes, Phys Status Solidi, 248, 1879-1883.
• Kuś, W., Burczyński, T., 2008, Parallel Bioinspired Algorithms in Optimization of Structures, Proc. Conf. PPAM 2007, Led Notes Comput Sc, 4967, 1285-1292.
• Lloyd, L.D., Johnston, R.L., 1998, Modelling aluminium Clusters With an Empirical Many-Body Potential, Chem Phys, 236, 107-121.
• Lammps, 2014, http://lammps.sandia.gov (access: 01.11.2014).
• Los, J.H., Ghiringhelli, L.M., Meijer, E.J., Fasolino, A., 2005, Improved Longrange Reactive Bond-Order Potential for Carbon I. Construction, Phys Rev B, 72, 214102.
• Michalewicz, Z., 1996, Genetic Algorithms + Data Structures = Evolutionary Algorithms, Springer-Verlag, Berlin.
• Mrozek, A. Kuś, W., Orantek, P., Burczyński, T., 2005, Prediction of the Aluminium Atoms Distribution Using Evolutionary Algorithm, Recent Developments in Artificial Intelligence Methods, eds, Burczyński, T., Cholewa, W., Moczulski, W., Al-METH Series, Gliwice, 127-130.
• Mrozek, A., Kuś, W., Burczyński, T., 2010, Searching of Stable Configurations of Nanostructures Using Computational Intelligence Methods, Czasopismo Techniczne, 20,107, 85-97.
• Mrozek, A., Burczyński, T., 2013, Examination of Mechanical Properties of Graphene Allotropes by Means of Computer Simulation, Computer Assisted Methods in Engineering and Science, 20, 309-323.
• Nakano, A., 1997, Parallel Multilevel Preconditioned Conjugate-Gradient Approach to Variable-Charge Molecular Dynamics, Comput Phys Commun, 104, 59-69.
• Narita, N., Nagai, S., Suzuki, S., Nakao, K., 2000, Electronic Structure of Three-Dimensional Graphyne, Phys Rev B, 62, 11146-11151.
• Peng, Q., Ji, W., De, S., 2012, Mechanical Properties of Graphyne Monolayers: a First-Principles Study, Phys Chem Chem Phys, 14, 13385-13391.
• Press, W.H., Teukolsky, S.A., Vetterling, W.T., Flanery, B.P., 2007, Numerical Recipes The Art of Scientific Computing, Cambridge University Press, Cambridge.
• Rappe, A.K., Goddard III, W.A., 1991, Charge Equilibration for Molecular Dynamics Simulations, J Chem Phys, 95, 3358-3363.
• Roberts, Ch., Johnston, R.L., Wilson, N.T., 2000, A Genetic Algorithm for the Structural Optimization of Morse Clusters, Theor Chem Acc, 104, 123-130.
• Scarpa, F., Adhikari, S., Phani, A.S., 2009, Effective Elastic Mechanical Properties of Single Layer Graphene Sheets, Nanotechnology, 20, doi: 10.1088/0957-4484/20/6/ 065709.
• Shao, X., Cheng, L., Cai, W., 2004, An Adaptive Immune Optimization Algorithm for Energy minimization Problems, J Chem Phys, 120, 11401-11406.
• Stuart, S.J., Tutein, A.B., Harrison, J.A., 2000, A Reactive Potential for Hydrocarbons with Intermolecular Interactions, J Chem Phys, 112, 6472-6486.
• Wales, D.J., Doye, J.P.K., 1997, Global Optimization by Basin-Hopping and the Lowest Energy Structures of Lennard-Jones Clusters Containing up to 110 Atoms, ./ Phys Chem A, 101,5111-5116.
• Wang, Y., Li, J., Zhu, L., Ma, Y., 2010, Crystal Structure Prediction via Particle-Swarm Optimization, Phys Rev B. 82, 094116-0941123.
• Zhou, J-C, Li, W-J., Zhu, J-B., 2008, Particle Swarm Optimiza-tion Computer Simulation of Ni Clusters, T Nonferr Metal Soc, 18,410-415.