论文部分内容阅读
金属纳米团簇的几何结构在很大程度上决定了它的光、电、磁性、催化等物理和化学性质;因此,优化与预测金属纳米团簇的稳定结构是研究其诸多特性的基础,也是金属纳米团簇研究领域中的关键环节。目前,由于实验方法精确表征纳米团簇结构的困难,理论计算就成为研究团簇结构的主要手段。然而,传统的理论计算方法如第一性原理计算,因计算过程复杂、计算量非常大,只能研究尺寸较小和某些具有特定对称性的纳米团簇,具有明显的局限性。因此,发展高性能的计算方法对纳米团簇的结构研究具有非常重要的理论意义。基于经验势函数的金属纳米团簇结构优化问题是一个典型的全局优化问题,且属于NP-hard问题,采用精确的算法求解非常困难。随着计算机技术的迅猛发展,智能优化(IO)算法中的多种群搜索、并行计算等方法的引入使得智能算法日益成熟,采用基于群智能优化(SIO)算法的计算模拟来研究金属纳米团簇的结构与性质成为必然。另外,由于金属纳米团簇的结构和性质会随着尺寸变化而发生显著变化,表现出强烈的小尺寸效应。因此,本文根据其尺寸的大小将研究对象分成金属团簇(小尺寸纳米体系)和金属纳米粒子(大尺寸纳米体系)两类研究对象,并依据不同研究对象的结构特点,针对性地设计了相应的SIO算法。本文的主要工作分为如下三部分:(1)针对量子力学计算方法在求解金属团簇结构优化时的局限性,以及启发式算法在求解该问题时存在收敛速度慢和容易陷入局部最优等缺点,本文提出了一种高性能的并行多策略差分进化算法(PMDE)以实现过渡金属团簇(N=5～100)的结构优化。该算法在传统差分进化算法(DE)的基础上,引入了多种群、多策略以及精英池等方法,以保持迭代过程中种群的多样性,提高算法的收敛速度,降低计算成本。通过将本文的计算结果与密度泛函理论计算结果进行对比,验证了本文算法的有效性;同时,本文利用该算法对N=5～100内的铁团簇(Fe)和铬团簇(Cr)进行了优化计算,发现了 Fe83和Fe84这两个团簇新的最优解。(2)针对传统的随机方法求解合金纳米粒子结构优化时存在随机性强、收敛速度慢等缺点,以及IO算法求解该问题时易陷入局部最优且耗时长等不足,本文提出了一种改进的离散粒子群优化算法(IDPSO)以实现大尺寸合金纳米粒子的结构优化。通过引入交换子和交换序表达式代替传统粒子群算法的速度和位移量,改变粒子的移动方式,使算法适合解决合金纳米粒子的结构优化(离散组合优化),提高了算法的收敛速度;另外,算法中还引入了自适应调整概率以避免算法过早地陷入局部最优。本文利用IDPSO算法有效地得到了不同尺寸、不同元素比例的二十四面体铂基合金纳米粒子的稳定结构。(3)针对密度泛函理论(DFT)计算无法突破合金团簇结构优化的尺寸范围和IO算法解决该问题时无法保证最优解的缺陷,本文将DFT计算与SIO方法相结合,提出了一种Basin-Hopping遗传算法(BHGA)结合DFT计算的优化方法以实现合金团簇吸附体系的结构优化。该方法利用BHGA和DFT计算对合金团簇结构进行分步优化,进而得到最优解;此外,利用该方法还优化了合金团簇吸附体系的结构,研究了不同比例的Pd-Ir合金团簇对CO分子的吸附性以及在Ti02表面的结合性。SIO方法与DFT计算的结合可以提高合金团簇结构优化的准确性,既克服了 IO算法在计算合金团簇结构时无法获得精确解的缺陷,同时克服了第一性原理计算方法在合金团簇结构尺寸上的局限性。综上所述,本文从智能计算的角度出发,针对物理、化学等领域亟需解决的纳米团簇结构优化问题,采用以SIO算法(PMDE算法、IDPSO算法与BHGA算法)为主体的智能算法来解决金属团簇、合金纳米粒子以及合金团簇吸附体系的结构优化问题,属于学科交叉的基础研究。本文的研究一方面是对全局优化方法的扩展和补充,另一方面为纳米团簇的实验研究和应用提供理论解释和指导,对新材料的设计与应用提供重要的科学依据。