基于CUDA并行粒子群的Pt-Pd合金纳米粒子结构优化研究

作     者：李泽鹏 

作者单位：厦门大学 

学位级别：硕士

导师姓名：刘暾东

授予年度：2017年

学科分类：07[理学] 08[工学] 081104[工学-模式识别与智能系统] 070205[理学-凝聚态物理] 0811[工学-控制科学与工程] 0702[理学-物理学] 

主      题：并行粒子群 纳米粒子 加速比 

摘      要：Pt-Pd合金纳米粒子在催化性能和光学性能上有着其他合金纳米粒子不可比拟的优势,因此对其进行全面的研究具有重要意义。目前,有很多智能算法应用于求解合金纳米粒子结构,例如粒子群算法和差分进化算法。在原子规模较小时,这些智能算法均能取得较为满意的结果,但随着原子规模的增加,计算量的大幅度提高,算法计算时间过长是亟待解决的问题。本文针对该问题提出了一种基于CUDA的并行粒子群算法。本文主要研究内容包括:本文采用QSC多体势描述Pt-Pd合金纳米粒子中原子间相互作用,以该势能函数的能量最小值作为求解指标,参考了改进粒子群算法在该问题上的求解应用,并提出了一种基于种群的粗粒度和基于原子的细粒度混合并行算法,结合问题具体特征,设计了种群-线程块二维编码方式,使得算法具有良好的扩展性,同时结合了 GPU的硬件特性,在保证运算效率最优的前提下选择了合理的最佳线程数,并采用合并访问技术提高了数据传输的速度,进一步提高运算效率。为了验证该算法的有效性,本文对不同尺寸的Pt:Pd=1:1比例的合金纳米粒子进行求解,同时采用了三个不同的指标进行验证,分别是等规模等迭代次数、等规模等求解精度、等规模等终止条件。同时我们也对算法的收敛性和稳定性进行了多次独立重复实验验证。实验结果表明本文所提出的基于CUDA的并行粒子群算法对合金纳米粒子结构优化的求解是有效的、稳定的。本文所提出的基于CUDA并行粒子群算法对大规模原子的合金纳米粒子结构优化有一定指导意义,对其他智能算法的并行化也具备参考作用。