|
ГЛАВНАЯ
> Вернуться к содержанию
Программные системы и вычислительные методы
Правильная ссылка на статью:
Бураков С.В., Залога А.Н., Панькин С.И., Семенкин Е.С., Якимов И.С.
Применение самоконфигурируемого генетического алгоритма для моделирования атомной кристаллической структуры химических соединений по данным рентгеновской дифракции
// Программные системы и вычислительные методы.
2014. № 4.
С. 500-512.
DOI: 10.7256/2454-0714.2014.4.14028 URL: https://nbpublish.com/library_read_article.php?id=14028
Применение самоконфигурируемого генетического алгоритма для моделирования атомной кристаллической структуры химических соединений по данным рентгеновской дифракции
Бураков Сергей Васильевич
кандидат технических наук
Инженер, СФУ
660041, Россия, Красноярский край, г. Красноярск, ул. Пр. Свободный, 79
Burakov Sergei Vasil'evich
PhD in Technical Science
660041, Russia, Krasnoyarskii krai, g. Krasnoyarsk, ul. Pr. Svobodnyi, 79
|
burakov_krasu@mail.ru
|
|
 |
Залога Александр Николаевич
Инженер, Сибирский федеральный университет
660041, Россия, Красноярский край, г. Красноярск, ул. Пр. Свободный, 79
Zaloga Aleksandr Nikolaevich
660041, Russia, Krasnoyarskii krai, g. Krasnoyarsk, ul. Pr. Svobodnyi, 79
|
|
zaloga@yandex.ru
|
|
|
Панькин Сергей Игоревич
Магистрант, Сибирский федеральный университет
660041, Россия, Красноярский край, г. Красноярск, Пр. Свободный, 79
Pan'kin Sergei Igorevich
660041, Russia, Krasnoyarskii krai, g. Krasnoyarsk, Pr. Svobodnyi, 79
|
|
pankins90@gmail.com
|
|
|
Семенкин Евгений Станиславович
доктор технических наук
Профессор, Сибирский федеральный университет
660041, Россия, Красноярский край, г. Красноярск, Пр. Свободный, 79
Semenkin Eugene Stanislavovich
Doctor of Technical Science
660041, Russia, Krasnoyarskii krai, g. Krasnoyarsk, Pr. Svobodnyi, 79
|
|
eugenesemenkin@yandex.ru
|
|
|
|
Якимов Игорь Степанович
доктор физико-математических наук
профессор, кафедра Композиционные материалы и физико-химия металлургических процессов, Сибирский федеральный университет, институт цветных металлов и материаловедения
660041, Россия, Красноярский край, г. Красноярск, Пр. Свободный, 79
Yakimov Igor' Stepanovich
Doctor of Physics and Mathematics
660041, Russia, Krasnoyarskii krai, g. Krasnoyarsk, Pr. Svobodnyi, 79
|
|
i-s-yakimov@ya.ru
|
|
|
|
DOI: 10.7256/2454-0714.2014.4.14028
Дата направления статьи в редакцию:
30-12-2014
Дата публикации:
13-01-2015
Аннотация:
Предметом исследования в данной работе является оценка возможности и степени эффективности применения самоконфигурирующегося генетического алгоритма глобальной оптимизации (СГА) для автоматизации задачи определения атомной кристаллической структуры новых веществ по данным порошковой рентгеновской дифракции. Предложенный вариант алгоритма СГА исследован на задаче определения известной кристаллической структуры химического соединения Ba2CrO4, в которой требовалось найти расположение 7-ми независимых атомов в элементарной кристаллической ячейке. Для анализа эффективности и определения частоты сходимости структурных моделей к истинной структуре этого вещества в процессе эволюционного поиска было сделано несколько десятков запусков СГА с различными размерами популяций структурных моделей и типами генетических операций. Суть метода самоконфигурирования состоит в том, что подбор оптимальных генетических операторов селекции, скрещивания и мутации из предложенного множества их возможных вариантов производится самим алгоритмом СГА в ходе решения задачи. Вероятности для операторов быть выбранными для генерации очередного поколения популяции структурных моделей адаптируются, исходя из успешности эволюции с помощью этих операторов на предыдущем поколении. Это приводит к автоматическому выбору наилучших операторов, обеспечивающих сходимость структурных моделей к истинной кристаллической структуре. Одной из основных проблем, препятствующих применению стохастических эволюционных генетических алгоритмов для структурного анализа, является необходимость нетривиального эмпирического подбора генетических операторов. Применение самоконфигурируемого генетического алгоритма для автоматизации выбора оптимальных генетических операторов в задаче моделирования атомной кристаллической структуры химических соединений по данным рентгеновской дифракции предложено впервые. При определении кристаллической структуры Ba2CrO4 по СГА достигнута частота сходимости к истинной структуре этого вещества 80%. Это создает возможность разработки автоматизированного эволюционного генетического алгоритма структурного анализа по рентгенодифракционным данным.
Ключевые слова:
эволюционные алгоритмы, генетические алгоритмы, самоконфигурация генетических алгоритмов, кристаллическая структура, рентгеновская порошковая дифракция, полнопрофильный анализ, определение кристаллической структуры, самоконфигурация, дифрактограмма, генетические операторы
Библиография
1. David W.I.F., Shankland K. Structure determination from powder diffraction data // Acta Cryst. 2008. A64. P. 52-64.
2. Cerny R., Favre-Nicolin V. Direct space methods of structure determination from powder diffraction: principles, guidelines, perspectives // Z. Kristallogr. Suppl. 2007. No. 222. 105-113.
3. Favre-Nicolin V., Cerny R. FOX, “free objects for crystallography”: a modular approach to ab initio structure determination from powder diffraction // J. Appl. Cryst. 2002. No. 35. P. 734-743.
4. Griffin T.A.N., Shankland K., van de Streek J., Cole J. GDASH: a grid-enabled program for structure solution from powder diffraction data // J. Appl. Cryst. 2009. No. 42. P. 356-359.
5. Harris K.D.M. Fundamentals and applications of genetic algorithms for structure solution from powder X-ray diffraction data // Computational Materials Science. 2009. V. 45. Issue 1. P. 16-20.
6. Yakimov Y. I., Semenkin E. S., Yakimov I. S. Two-level genetic algorithm for a fullprofile fitting of X-ray powder patterns // Z. Kristallogr. Suppl. 2009. No. 30. P. 21-26.
7. Harris K. D. M. Powder Diffraction Crystallography of Molecular Solids // Top. Curr. Chem. 2012. No. 315. P. 133–177.
8. Meredig B., Wolverton C. A hybrid computational–experimental approach for automated crystal structure solution // Nature Materials. 2013. No. 12, P. 123–127.
9. Zaloga A. N., Burakov S. V., Semenkin E. S., Yakimov I. S.. A Research of Convergence of Multi-Population Binary and Real Genetic Algorithms for Solution of Crystal Structure from X-Ray Powder Diffraction Data // Applied Mechanics and Materials. Proceedings of APMSIT Conference. Shanghai, China. 2014.
10. Semenkin E.S., Semenkina M.E. Self-configuring Genetic Algorithm with Modified Uniform Crossover Operator // Advances in Swarm Intelligence. Lecture Notes in Computer Science 7331. – Springer-Verlag, Berlin Heidelberg. 2012. P. 414-421.
11. Semenkin E., Semenkina M. The Choice of Spacecrafts' Control Systems Effective Variants with Self-Configuring Genetic Algorithm. In: Ferrier, J.L. et al (Eds.): Informatics in Control, Automation and Robotics: Proceedings of the 9th International Conference ICINCO’2012.– Rome: Italy. 2012. Vol. 1. P. 84-93.
12. Burakov S.V., Semenkin E.S. Solving variational and Cauchy problems with self-configuring genetic programming algorithms // International Journal of Innovative Computing and Applications. 2013. Volume 5, Issue 3. P. 152–162.
13. Semenkin E., Semenkina M. Stochastic Models and Optimization Algorithms for Decision Support in Spacecraft Control Systems Preliminary Design // Informatics in Control, Automation and Robotics.-Lecture Notes in Electrical Engineering, Springer-Verlag, Berlin Heidelberg. 2014. Vol. 283. P. 51-65.
14. Гуменникова А.В., Емельянова М.Н., Семенкин Е.С., Сопов Е.А. Об эволюционных алгоритмах решения сложных задач оптимизации // Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева. 2003. № 4. С. 14.
15. Семенкина М.Е., Семенкин Е.С. Программа для решения задач символьной регрессии самоконфигурируемым алгоритмом генетического программирования. – М.: Роспатент. 2012. № гос. рег. 2012619347.
16. Young R.A. The Rietveld Method / Oxford University Press. 1995. 298 p.
17. Якимов Я.И., Кирик С.Д., Семенкин Е.С., Соловьев Л.А., Якимов И.С. Эволюционный метод моделирования кристаллической структуры вещества по данным порошковой дифракции // Журнал Сибирского федерального университета, Химия. 2013. №6. С. 180-191.
References
1. David W.I.F., Shankland K. Structure determination from powder diffraction data // Acta Cryst. 2008. A64. P. 52-64.
2. Cerny R., Favre-Nicolin V. Direct space methods of structure determination from powder diffraction: principles, guidelines, perspectives // Z. Kristallogr. Suppl. 2007. No. 222. 105-113.
3. Favre-Nicolin V., Cerny R. FOX, “free objects for crystallography”: a modular approach to ab initio structure determination from powder diffraction // J. Appl. Cryst. 2002. No. 35. P. 734-743.
4. Griffin T.A.N., Shankland K., van de Streek J., Cole J. GDASH: a grid-enabled program for structure solution from powder diffraction data // J. Appl. Cryst. 2009. No. 42. P. 356-359.
5. Harris K.D.M. Fundamentals and applications of genetic algorithms for structure solution from powder X-ray diffraction data // Computational Materials Science. 2009. V. 45. Issue 1. P. 16-20.
6. Yakimov Y. I., Semenkin E. S., Yakimov I. S. Two-level genetic algorithm for a fullprofile fitting of X-ray powder patterns // Z. Kristallogr. Suppl. 2009. No. 30. P. 21-26.
7. Harris K. D. M. Powder Diffraction Crystallography of Molecular Solids // Top. Curr. Chem. 2012. No. 315. P. 133–177.
8. Meredig B., Wolverton C. A hybrid computational–experimental approach for automated crystal structure solution // Nature Materials. 2013. No. 12, P. 123–127.
9. Zaloga A. N., Burakov S. V., Semenkin E. S., Yakimov I. S.. A Research of Convergence of Multi-Population Binary and Real Genetic Algorithms for Solution of Crystal Structure from X-Ray Powder Diffraction Data // Applied Mechanics and Materials. Proceedings of APMSIT Conference. Shanghai, China. 2014.
10. Semenkin E.S., Semenkina M.E. Self-configuring Genetic Algorithm with Modified Uniform Crossover Operator // Advances in Swarm Intelligence. Lecture Notes in Computer Science 7331. – Springer-Verlag, Berlin Heidelberg. 2012. P. 414-421.
11. Semenkin E., Semenkina M. The Choice of Spacecrafts' Control Systems Effective Variants with Self-Configuring Genetic Algorithm. In: Ferrier, J.L. et al (Eds.): Informatics in Control, Automation and Robotics: Proceedings of the 9th International Conference ICINCO’2012.– Rome: Italy. 2012. Vol. 1. P. 84-93.
12. Burakov S.V., Semenkin E.S. Solving variational and Cauchy problems with self-configuring genetic programming algorithms // International Journal of Innovative Computing and Applications. 2013. Volume 5, Issue 3. P. 152–162.
13. Semenkin E., Semenkina M. Stochastic Models and Optimization Algorithms for Decision Support in Spacecraft Control Systems Preliminary Design // Informatics in Control, Automation and Robotics.-Lecture Notes in Electrical Engineering, Springer-Verlag, Berlin Heidelberg. 2014. Vol. 283. P. 51-65.
14. Gumennikova A.V., Emel'yanova M.N., Semenkin E.S., Sopov E.A. Ob evolyutsionnykh algoritmakh resheniya slozhnykh zadach optimizatsii // Vestnik Sibirskogo gosudarstvennogo aerokosmicheskogo universiteta im. akademika M.F. Reshetneva. 2003. № 4. S. 14.
15. Semenkina M.E., Semenkin E.S. Programma dlya resheniya zadach simvol'noi regressii samokonfiguriruemym algoritmom geneticheskogo programmirovaniya. – M.: Rospatent. 2012. № gos. reg. 2012619347.
16. Young R.A. The Rietveld Method / Oxford University Press. 1995. 298 p.
17. Yakimov Ya.I., Kirik S.D., Semenkin E.S., Solov'ev L.A., Yakimov I.S. Evolyutsionnyi metod modelirovaniya kristallicheskoi struktury veshchestva po dannym poroshkovoi difraktsii // Zhurnal Sibirskogo federal'nogo universiteta, Khimiya. 2013. №6. S. 180-191.
Ссылка на эту статью
Просто выделите и скопируйте ссылку на эту статью в буфер обмена. Вы можете также
попробовать найти похожие
статьи
|
|
