.png){kind=icon}
返回
XtalOpt Version 14: Variable-Composition Crystal Structure Search for Functional Materials Through Pareto Optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cpc.2025.109910.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
XtalOpt的第14版，一种用于晶体结构预测的进化多目标全局优化算法，现已可从其官方网站https://xtalopt.github.io和计算机物理通信库下载。该代码的新版本旨在通过集成一系列从头算方法以及用于结构弛豫的经典和机器学习势，对具有可变组成的晶体结构执行基态搜索。通过引入帕累托优化，多目标搜索框架得到了增强，从而能够高效地发现功能材料。在此，我们描述了新实施的方法，提供了使用它们的详细说明，并概述了包含在代码最新版本中的其他改进。新版本程序摘要：程序标题：XtalOpt。CPC库链接到程序文件：（由技术编辑添加）。开发者的仓库链接：https://github.com/xtalopt/XtalOpt。Code Ocean胶囊：（由技术编辑添加）。许可条款：3-clause/BSD。编程语言：C++。先前版本的期刊引用：计算机物理通信304（2024）109306。新版本是否取代了旧版本：是。新版本的原因：* 在XtalOpt程序包中实现了可变组成的进化搜索功能和帕累托优化。修订摘要：实现了具有可变组成的结构进化全局优化、用于多目标优化的帕累托算法以及多切点交叉操作。对用户界面进行了多项改进，并修复了错误。问题性质：对于给定的化学组分集合，XtalOpt算法可以搜索具有固定或可变组成的（亚）稳定晶体结构，并可选择具有特定功能——这是计算材料科学、化学和物理学中的一个巨大挑战。解决方法：在搜索过程中，计算并更新化学系统的凸包。以“凸包上方距离”而非焓作为全局优化的目标值。遗传操作已修订，以使具有不同组成的父结构能够进化，并可能产生新的组成。为了进一步增强代码执行多目标搜索的能力，实现了帕累托优化方案。这允许用户在搜索新型功能材料时，从先前实现的广义适应度函数和帕累托优化方案中进行选择。为了快速有效地探索相图，代码包中添加了易于使用的机器学习原子间势能界面。
