.png){kind=icon}
返回
Enhancing Global Optimization for Bimetallic Clusters: An Adaptive Multi-Strategy Differential Evolution Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1039/D5NR03763H.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文中，我们开发了一种自适应多策略差分进化（AMSDE）算法，用于识别双金属团簇的最低能量结构。所提出的AMSDE算法通过将全局探索、局部开发和多样性保持三种策略应用于三个协同且动态演化的种群，利用自适应种群规模和多样化的搜索策略。该方案有效缓解了在局部极小值处的早熟收敛，并显著加速了整体收敛过程。全面的模拟结果表明，与传统算法相比，我们的算法在各类大小的团簇上实现了更快的收敛、更高的稳定性以及更低的能量。基于AMSDE的结果，我们系统地评估了这些小尺寸（3-12原子）Pt-Ni团簇的能量、结构稳定性和电子性质，它们是揭示原子尺度结构演化的理想模型。分析进一步扩展到中等尺寸的魔数团簇（13、19和23原子），这些团簇以其卓越的稳定性而闻名，以阐明其结构偏好和稳定性趋势。这项工作不仅为纳米合金团簇引入了一种高效的结构优化框架，还提供了关于代表性尺寸范围内Pt-Ni团簇稳定性和电子行为的原子尺度见解，促进了先进催化材料的理性设计。
