Otimização da geometria de aglomerados de silício via algoritmos genéticos híbridos.

• Main Author: Carlos Renato Zacharias
• Other Authors: Arnaldo Dal Pino Júnior
• Format: Others
• Language: Portuguese
• Published: Instituto Tecnológico de Aeronáutica 1998
• Subjects: Aglomerados atômicos; Algoritmos; Otimização; Matemática computacional; Silício; Estrutura molecular; Física atômica; Física molecular
• Online Access: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2609

A determinação da conformação tridimensional, correspondente ao estado fundamental de aglomerados atômicos, é um dos temas de investigação da Física Computacional. Particularmente, duas razões fazem com que essa determinação torne-se uma tarefa árdua. Em primeiro lugar, o problema mecânico-quântico a ser resolvido é muito custoso, em termos computacionais. Segundo, a hipersuperfície de energia, relacionada a esses sistemas, apresenta uma grande quantidade de mínimos locais.Para superar esses problemas, desenvolvemos um procedimento computacional, baseado no Algoritmos Genéticos (GA), capaz de encontrar a conformação referente ao mínimo global de tais aglomerados. A partir de estudos preliminares, associamos as melhores características dos algoritmos genéticos (GA) e do simulated annealing (SA), desenvolvendo um algoritmo híbrido (HA). Este novo algoritmo apresentou fraca depedência dos parâmetros iniciais, estratégia de busca em paralelo, rápida convergência, alta precisão e resolução. O HA foi capaz de predizer 3 novas conformações para o aglomerado Si20 que, dentro dos limites da aproximação Tight-Binding, representam conformações de menor energia de ligação por átomo, quando comparadas com modelos anteriormente propostos na literatura. A seguir, desenvolvemos um sistema classificador (CS) capaz de aprender sobre as informações conformacionais extraídas dos aglomerados menores, para predizer a conformação, dos maiores. Essas tácnicas (GA, SA e CS) foram reunídas em um único algoritmo. Na determinação da conformação do aglomerado Si20, o algoritmo apresentado nessa tese superou o GA e o SA, em termos de tempo de CPU requerido, por um fator de 104. Em princípio, as idéias e algoritmos apresentados nessa tese podem ser aplicados na otimização de quaisquer sistemas poliatômicos.