Application of genetic algorithms to model the structure of molecular crystals

• Autorzy: Łużny W. , Czarnecki W.

Identyfikatory

DOI

DOI: dx.doi.org/10.14314/polimery.2014.542

Warianty tytułu

PL

Zastosowanie algorytmów genetycznych do modelowania struktury kryształów molekularnych

• Konferencja: International Conference X-ray investigations of polymer structure (9 ; 03-06.12.2013 ; Zakopane, Poland)
• Języki publikacji: EN

Abstrakty

EN

In the case of complex organic molecules, very often happens that the powder diffraction pattern shows only few crystalline reflections and therefore powerful methods like the Rietveld procedure cannot work properly. Then in order to find the model of the structure, for which the calculated diffraction pattern shows an acceptable agreement with the experimental data, one may use one of the "artificial intelligence” techniques. Among them, the genetic algorithms (GA) method is one of the most widely used in a variety of scientific problems. Our idea was to use the unit cell (with its atoms content) as a phenotype of the GA. Each individual represents a random crystal structure. Its genotype contains: lattice constants: a, b and c, lattice angles: a, b, and g, and orientation of molecule vs. the crystallographic axes. Its diffraction pattern is calculated and compared with the reference data. We have prepared a computer program named CrystalFinder. In its present shape, the CrystalFinder program is able to reproduce the crystalline structure of simple "toy” molecular crystals built of molecules containing up to ca twenty atoms. Usually 200—300 generations are sufficient to get a very good agreement between the reference diffraction pattern and the diffractogram obtained by the program as the best fitted individual. It follows that genetic algorithms can be used to model the structure of molecular crystals and more complex systems containing macromolecules.

PL

W przypadku złożonych cząsteczek organicznych bardzo często zdarza się, że dyfraktogram proszkowy ma tylko kilka refleksów krystalicznych i z tego powodu metody modelowania typu Rietvelda nie dają poprawnych wyników. W celu znalezienia modelu struktury, który pozwoli na obliczenie dyfraktogramu wykazującego dobrą zgodność z danymi doświadczalnymi, można zastosować jedną z technik tzw. sztucznej inteligencji. Metoda algorytmów genetycznych (GA) — szeroko stosowana do rozwiązywania rozmaitych problemów naukowych — jest jedną z takich technik. Nasz pomysł polegał na użyciu komórki elementarnej wraz z zawartymi w niej atomami jako osobnika (fenotypu) występującego w GA. Każdy taki osobnik reprezentuje przypadkową strukturę krystaliczną. Jego chromosom (genotyp) zawiera: stałe sieci a, b i c, kąty sieciowe a, b i g, oraz orientację cząsteczki względem osi krystalograficznych. Dla każdego osobnika obliczany jest jego dyfraktogram, który następnie zostaje porównany z danymi referencyjnymi. Idea ta wykorzystana została w napisanym przez nas programie CrystalFinder. W swojej obecnej wersji, program CrystalFinder jest w stanie poprawnie odtworzyć złożoną strukturę krystalograficzną prostego kryształu molekularnego, zbudowanego z molekuł zawierających do ok. dwudziestu atomów. Zwykle przeliczenie 200—300 pokoleń wystarcza do otrzymania dobrej zgodności pomiędzy dyfraktogramem referencyjnym, a dyfraktogramem uzyskanym dla najlepiej dostosowanego osobnika w populacji. Z przeprowadzonych obliczeń wynika, że algorytmy genetyczne mogą być zastosowane do modelowania struktury kryształów molekularnych i bardziej złożonych układów, zawierających również makrocząsteczki.

Słowa kluczowe

EN

genetic algorithms; molecular crystals; computer modeling of crystalline structure

PL

algorytmy genetyczne; kryształy molekularne; komputerowe modelowanie struktury krystalicznej

• Wydawca: Sieć Badawcza Łukasiewicz – Instytut Chemii Przemysłowej
• Czasopismo: Polimery
• Rocznik: 2014
• Tom: T. 59, nr 7-8
• Strony: 542--548
• Opis fizyczny: Bibliogr. 9 poz., rys.

Twórcy

autor

Łużny W.

• AGH University of Science and Technology, Faculty of Physics and Applied Computer Science, Al. Mickiewicza 30, 30-059 Krakow, Poland

autor

Czarnecki W.

• AGH University of Science and Technology, Faculty of Physics and Applied Computer Science, Al. Mickiewicza 30, 30-059 Krakow, Poland

Bibliografia

• [1] Michalewicz Z.: „Genetic Algorithms + Data Structures = Evolution Programs”, Springer-Verlag, 1996.
• [2] „Applications of Evolutionary Computation in Chemistry. Structure and Bonding” (Ed. Johnston R.L.), Springer-Verlag, vol. 110, 2004.
• [3] Oganov A.R., Glass C.W.: J. Chem. Phys. 2006, 124, 24 470, http://dx.doi.org/10.1063/1.2210932
• [4] Glass C.W., Oganov A.R., Hanses N.: Comp. Phys. Comm. 2006, 175, 713, http://dx.doi.org/10.1016/j.cpc.2006.07.020
• [5] Lyakhov A.O., Oganov A.R., Stokes H.T., Zhu Q.: Comp. Phys. Comm. 2013, 184, 1172, http://dx.doi.org/10.1016/j.cpc.2012.12.009
• [6] Altomare A., Cuocci C., Giacovazzo C., Moliterni A., Rizzi R., Corriero N., Falcicchio A.: J. Appl. Cryst. 2013, 46, 1231, http://dx.doi.org/10.1107/S0021889813013113
• [7] Wu S.Q., Ji M.,Wang C.Z., Nguyen M.C., Zhao X., Umemoto K.,Wentzcovitch R.M., Ho K.M.: J. Phys.: Condens. Matter 2014, 26, http://dx.doi.org/10.1088/0953-8984/26/3/035402
• [8] Harris K.D.M., Johnston R.L., Habershon S.: „Applications of Evolutionary Computations in Structure Determination from Diffraction Data” in „Applications of Evolutionary Computation in Chemistry, Structure and Bonding” (Ed. Johnston R.L.), Springer-Verlag, 2004, 110, 55. http://dx.doi.org/10.1007/b13933
• [9] Krauss W., Nolze G.: PowderCell forWindows, v.2.4, Federal Institute for Materials Research and Testing, Berlin 2000.