[发明专利]一种并行粒子群合金纳米粒子结构优化方法及系统

说明书

本发明公开一种并行粒子群合金纳米粒子结构优化方法及系统。该方法主要包括在CPU单元中构建合金纳米粒子集合；构建GPU运行单元；在CPU单元中对运行参数进行初始化并发送至GPU运行单元，在GPU运行单元中运行粒子群改进算法来优化合金纳米粒子结构。本发明的GPU运行单元中通过软件调试计算不同线程数下Gupta函数的平均耗时，选择平均耗时最短的线程数确定为每块中的线程个数，通过合金纳米粒子集合的个体数/(线程数+1)确定所需块数，每个线程使用40个寄存器，每个原子占用一个线程计算原子势能。运用本发明，提高了计算效率与准确率，实现了合金纳米粒子稳定结构的快速高效全局优化，可广泛适应各类合金纳米粒子。

技术领域

本发明涉及合金纳米粒子结构优化技术领域，特别是涉及一种并行粒子群合金纳米粒子结构优化方法及系统。

背景技术

铂族金属具有很强的催化性能，但其资源匮乏、价格昂贵，因此与非贵金属形成合金材料是一种提高催化活性与降低价格的有效方法。而合金纳米材料的催化效应通常发生在材料表面，并且其催化活性与粒子尺寸、原子比例等有很大关系。因此，研究合金纳米粒子的稳定结构至关重要。现有稳定结构研究方法分为两类，一类是将电子看成一个系统的量子化学计算方法，计算复杂耗时，仅能分析少数原子组成的合金纳米团簇。另一类是忽略电子作用的分子动力学计算方法，通常利用经验势描述原子间作用，该类方法基于经验势能函数模拟原子间作用，计算相对简单，可处理成百上千个原子的纳米粒子。

近年来，各种智能优化方法被引入到基于经验势函数的纳米粒子稳定结构研究中，如遗传算法、粒子群算法、模拟退火、差分进化、动态格点及盆地跳等。但经验势函数是一个多维空间曲面并且极其复杂，存在众多局部极小点，使得基于智能算法的全局优化成为NP难问题，容易陷入局部最优，且随着纳米粒子尺寸增加其计算复杂性也成指数级增长。因此，必须寻找一种新的有效方法来提高合金纳米粒子结构优化的计算效率。

发明内容

本发明的目的是提供一种并行粒子群合金纳米粒子结构优化方法及系统，提高计算效率与准确率，实现合金纳米粒子稳定结构的快速高效全局优化，可广泛适应各类合金纳米粒子。

为实现上述目的，本发明提供了如下方案：

一种并行粒子群合金纳米粒子结构优化方法，所述方法包括：

在CPU单元中构建合金纳米粒子集合；所述合金纳米粒子集合包括多个个体；每个所述个体表示一种合金纳米粒子结构；每种所述合金纳米粒子结构表示多个原子在空间的坐标位置，且每种所述合金纳米粒子结构中同种类型的原子个数比例不变；

在CPU单元中对运行参数进行初始化；所述运行参数包括合金纳米粒子集合的个体数、个体的初始速度和初始位置、每个合金纳米粒子的初始结构、初始线程数、总迭代次数；

构建GPU运行单元；所述GPU运行单元中包括若干个网格；每个所述网格包括若干个块；每个所述块包括若干个线程；每个线程使用40个寄存器；每个原子占用一个线程来计算原子势能；其中，通过NVIDIAParallel Nsight调试计算不同线程数下Gupta函数的平均耗时，选择平均耗时最短的线程数确定为每块中的线程个数；所述合金纳米粒子集合所需的块数为合金纳米粒子集合的个体数/(线程数+1)；

将初始化后的运行参数发送至所述GPU运行单元，并在所述GPU运行单元中运行粒子群改进算法来优化合金纳米粒子结构；其中，将当前迭代确定的最优个体与存储在CPU单元的个体进行比较更新，确定在CPU单元存储的最终个体。

可选的，所述在所述GPU运行单元中运行粒子群改进算法来优化合金纳米粒子结构，具体包括：

利用Gupta函数，计算每个所述个体的Gupta势能值，并选出第一个体，记录当前迭代次数；所述第一个体为所述合金纳米粒子集合中Gupta势能值最小的个体；