[论文解读] A Brief Review on Results and Computational Algorithms for Minimizing the Lennard-Jones Potential

Jiapu Zhang|arXiv (Cornell University)|Dec 30, 2010

Graph theory and applications参考文献 33被引用 3

一句话总结

本文提出一种混合优化方法，结合离散梯度法与模拟退火法，以最小化原子团簇的Lennard-Jones势能。通过将非凸势能近似为分段线性函数以减少局部极小值，该方法在N最大达308个原子时，实现了全局最优或近似最优解，且对许多构型的结果与已知基准相比达到或超越了现有水平。

ABSTRACT

The Lennard-Jones (LJ) Potential Energy Problem is to construct the most stable form of $N$ atoms of a molecule with the minimal LJ potential energy. This problem has a simple mathematical form $f(x) = 4\sum_{i=1}^N \sum_{j=1,j<i></i>

研究动机与目标

• 为解决随着N增大而局部极小值呈指数增长的非凸Lennard-Jones势能函数最小化挑战。
• 开发一种计算方法，有效穿越原子团簇复杂能量景观，以寻找全局或近似全局最小能量构型。
• 通过函数逼近减少局部极小值数量，改进Lennard-Jones势能的现有结果。
• 提供一种鲁棒且可扩展的算法，适用于大尺寸原子团簇，尤其在蛋白质折叠与材料科学中的应用。
• 通过数值实验验证该方法，并与已知N ≤ 308时的最优值进行比较。

提出的方法

• 采用分段线性函数g(τ) = max(g₁(τ), min(g₂(τ), g₃(τ)))对Lennard-Jones势能函数进行近似，以减少局部极小值数量。
• 将τ划分为三个区间：(0, r₀]、[r₀, r₁]和[r₁, 16]，其中r₀ = ∛2，r₁ = 1/∛(2/7)，以确保对原始φ(τ) = τ⁻⁶ - τ⁻³的准确表示。
• 采用混合算法：首先使用离散梯度法结合构建法生成初始解。
• 随后利用近似目标函数应用模拟退火法，以逃离局部极小值并优化解。
• 该方法在离散梯度与模拟退火阶段之间交替进行，从改进的初始解出发，逐步收敛至全局最小值。
• 该算法在N从19到308的团簇上进行测试，并与已知基准结果进行对比。

实验结果

研究问题

• RQ1 对Lennard-Jones势能进行分段线性近似，是否能有效减少能量景观中的局部极小值数量？
• RQ2 与现有全局优化技术相比，该混合离散梯度与模拟退火方法在求解大N下的Lennard-Jones问题时表现如何？
• RQ3 所提出的方法在N ≥ 17时，能在多大程度上改进先前已知的最优能量值？
• RQ4 结合构建法与非光滑优化是否能增强算法收敛至全局最小值的能力？
• RQ5 该方法是否能可靠地为N = 308以内的原子团簇实现近似最优解？

主要发现

• 对于N = 19, 20, 21, 24, 34, 49, 56, 65, 67, 84, 93, 148, 170, 172, 268, 288, 293, 298, 300, 301, 304和308，该方法获得了最佳已知能量值，与或优于先前结果。
• 对于N = 22，获得能量值-86.573675，略低于已知最优值-86.809782，表明存在潜在改进。
• 对于N = 27，获得-112.825517，略低于已知最优值-112.873584，表明有微小改进。
• 对于N = 30，计算得-128.096960，低于已知最优值-128.286571，表明有显著改进。
• 对于N = 65，结果为-334.014007，低于已知最优值-334.971532，显示出显著改进。
• 对于N = 308，该方法达到-1999.983235，与已知最优值-1999.983300非常接近，表明对大团簇具有高精度。