首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1篇
  免费   1篇
  国内免费   2篇
化学   4篇
  2009年   1篇
  2004年   3篇
排序方式: 共有4条查询结果,搜索用时 46 毫秒
1
1.
大体系分区密度泛函计算方法   总被引:3,自引:0,他引:3  
胡向前  王繁  黎乐民 《化学学报》2004,62(9):847-853,M003
提出一种新的对大体系进行分区密度泛函计算的方法。将大体系划分为若干较小的区,每个小区是一个相对独立的量子力学子体系,计及其它区势场的影响和电子的Pauli排斥作用,可以进行相对独立的密度泛函计算。对各子体系求解单电子方程:(F^k F^kp)C^k=S^kC^kε^k K=A,B,C,…式中F^k,C^k,S^k,ε^k分别为子体系K的Fbck矩阵、轨道系数矩阵、基组重叠矩阵和本征值矩阵,F^kb起强制属于不同子体系的占据轨道之间保持正交的作用。得到的轨道是分区定域化的,汇总各区的计算结果得出整个体系的电子结构信息。通过对一些较大分子的计算,考察了几种因素对分区计算精度的影响。结果表明,提出的方法是可行的,通过控制各区基组的大小,可以基本消除基组截断误差,得到精确的计算结果。对于足够大的体系,本方法是一种线性标度算法;和文献报道的相关方法比较,更容易用于对体系的某些区域进行特别的计算研究。  相似文献   
2.
将分区计算方法推广应用于含过渡金属或重主族金属元素大体系的非相对论、标量相对论和二分量相对论密度泛函计算. 将大体系划分为若干分区, 每个分区视为相对独立的量子力学子体系. 计及各子体系之间势场的作用和Pauli排斥, 对各子体系分别求解Kohn-Sham方程: (FK+FKP)CK=SKCKεK K = A, B, C, … 式中FK, CK, SK, εK分别为子体系K的Fock矩阵、轨道系数矩阵、基组重叠矩阵和本征值矩阵, FKp反映不同子体系的电子之间的Pauli排斥作用. FK可以是非相对论、标量相对论或者二分量相对论的Fock矩阵, 由计算中采用的密度泛函理论方法决定, 其他矩阵与矩阵FK相匹配. 汇总各子体系的计算结果给出整个体系的电子结构信息. 对几个含过渡金属镍和重主族金属元素铊和铋的化合物进行了整体和分区计算, 比较两种计算的结果, 考察分区计算方法的可行性. 结果表明, 只要子体系计算的基组足够大, 分区与整体计算结果的精度实际上是相同的. 采用适当的比较小的子体系计算基组, 分区算法结果的精度就可以达到现有近似能量密度泛函实际具有的精度. 因此, 分区算法可用于含重元素大体系的高精度非相对论、标量相对论和二分量相对论的密度泛函计算.  相似文献   
3.
设计了基于空穴-粒子对称的并行化组态相互作用程序,并在一个有12个结点的计算机集群上测试了程序的运行.测试表明,程序的并行化基本上达到了预期的结果,8个结点的加速比达到6.33,在12个结点上成功地完成了5.8亿自旋匹配组态的超大规模MRCI计算.  相似文献   
4.
在化学,物理,生物和材料科学中,分子设计是必不可少且无处不在的.然而,由极多候选分子组成的巨大空间需要新颖的优化方法去搜索,以便实现高效的分子设计.本文首先总结了分子设计领域内已发展成熟的优化算法,比如穷举算法、分支定界算法、蒙特卡罗类似算法及基因算法.通过若干有代表性的分子设计实例,我们介绍了上述算法的具体应用.其次,本文主要侧重于介绍最新发展的反向分子设计的策略,比如反向能带结构优化算法以及线性展开原子势场方法,并且对后者展开了详细阐述.线性展开原子势场方法选择了核电吸引势场做为优化变量,因为每个中性分子包含的原子类型和原子的空间位置均由此势场决定.本质上,核电吸引势场决定了分子以及分子的所有化学和物理性质.但是核电吸引势场本身不是一个任意的势场,它必须包含合理的分子结构信息.因此,此势场由原子的或者功能团的核电吸引势场做线性展开.通过优化线性展开系数,所感兴趣的分子性质得以最大化或者最小化,同时每个原子的或者功能团所对应的系数包含了最终分子的组成信息.基于密度泛函理论和一个简单的分子模型,我们成功地应用线性展开原子势场方法优化了分子的超极化率.然而,当所感兴趣的分子性质变得复杂或者线性展开中的功能团变得多样化,分子性质曲面也会包含更多的局部最优值.为了有效地搜索复杂的分子性质曲面,我们发展了梯度引导的蒙特卡罗算法.经典的蒙特卡罗算法每次随机地产生新的分子,而梯度引导的蒙特卡罗利用上述方法构造的分子性质曲面,首先计算当前分子所在处的局部梯度相对于所有官能团的展开系数,然后基于此梯度产生下一个分子,最后利用Metropolis规则接受或者拒绝新产生的分子.换句话说,梯度引导的蒙特卡罗算法是一个“半随机”的算法.我们首先应用梯度引导的蒙特卡罗算法,结合线性展开原子势场方法计算的局部梯度,优化了带有普林环的分子框架的超极化率.此外,对于任何一个可构造出分子性质曲面的全局优化问题,梯度引导的蒙特卡罗算法均可适用.比如,我们应用此算法优化了蛋白质的氨基酸序列并探讨了蛋白质的折叠问题.这些具体的应用实例证明了梯度引导的蒙特卡罗算法能够有效地搜索分子空间,根据所感兴趣的分子性质,筛选出最优的分子.总之,本文综述了反向设计的方法近况及其基本原理,将有助于促进分子设计的进程.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号