用于晶体系统配置生成的多层蒙特卡洛树搜索方法

《Computer Physics Communications》:A multi-level Monte Carlo tree search method for configuration generation in crystalline systems

【字体: 大 中 小 】 时间:2026年02月17日 来源:Computer Physics Communications 3.9

编辑推荐:

  李晓旭|徐戈|陈华杰|高行宇|宋海峰中国广东省珠海市519087,北京师范大学文理学院摘要本文研究了晶体材料超胞构型的生成问题。由于原子排列的组合增长以及相关能量景观的复杂性,预测和设计这类系统的原子构型极具挑战性。我们开发了一种多级蒙特卡罗树搜索算法,用于在超胞内寻找“最优”构

  李晓旭|徐戈|陈华杰|高行宇|宋海峰中国广东省珠海市519087,北京师范大学文理学院摘要本文研究了晶体材料超胞构型的生成问题。由于原子排列的组合增长以及相关能量景观的复杂性,预测和设计这类系统的原子构型极具挑战性。我们开发了一种多级蒙特卡罗树搜索算法,用于在超胞内寻找“最优”构型。该方法通过随机采样利用不断扩展的搜索树来探索构型空间,并进一步结合原子结构的层次分解,实现从粗到细的探索。这一策略显著减少了采样冗余,加快了构型搜索速度。我们对一些掺杂的二维材料进行了数值实验,结果表明我们的方法比传统随机方法具有更好的性能。引言为复杂材料系统(如掺杂半导体、固溶体及多组分合金)生成原子构型是模拟其物理和化学性质的基础步骤[1]、[2]、[3]、[4]。通过将不同原子种类分配到超胞中的特定晶格位置[5],可以构建材料结构,并进行后续的电子结构计算以预测其性质。尽管概念上较为简单,但在超胞内寻找具有物理意义的原子构型仍面临巨大挑战。随着原子位点和种类的增加,可能的构型数量呈组合式增长,使得对实际系统进行全面枚举变得不可行。实际上,通常是通过最小化基于能量或性质的目标函数来获得所需构型。然而,该函数往往呈现出复杂且崎岖的能量景观,给全局优化带来了巨大困难。解决构型搜索中组合优化的标准方法大致可分为精确算法、基于枚举的方法以及随机方法。诸如分支定界法[6]、[7]和割平面法[8]等精确算法虽然能提供最优性的理论保证,但由于构型空间的指数级增长,它们在处理大规模系统时并不实用。以Supercell[3]程序为代表的基于枚举的策略[9]、[10]试图生成超胞内所有对称不等价构型。这些方法对于具有高对称性的小系统较为有效,但随着原子位点或种类数量的增加,其效率会大幅下降。在处理更复杂的系统时,随机方法在实践中更为常用。贪婪策略[11]在寻找局部最小值方面简单高效,但容易陷入次优区域。盆地跳跃技术[12]、[13]结合局部优化与随机扰动,虽能摆脱浅层最小值,但在面对复杂的高维能量景观时往往力不从心。蒙特卡罗方法,包括梅特罗波利斯-哈斯廷斯算法[14]、[15]、[16]以及模拟退火算法[17]、[18],利用概率规则遍历能量面,因其简单性而被广泛使用,但其性能很大程度上取决于参数调整,且往往需要长时间运行才能收敛。遗传算法[19]、[20]也颇受欢迎,它们通过交叉和变异演化候选构型,但其有效性常常受到种群多样性丧失的限制。近期,人们提出了借助机器学习辅助的启发式方法[21]、[22]、[23]、[24],利用所学模型指导搜索过程。尽管前景广阔,但这些方法通常需要大量的训练数据以及针对特定任务的校准,这限制了它们的通用性。在本工作中,我们提出了一种用于晶体系统构型搜索的新框架。具体而言,我们提出了一种多级蒙特卡罗树搜索(ML-MCTS)方法,用于确定具有固定成分的给定超胞中的最优原子排列。蒙特卡罗树搜索方法[25]、[26]最初是在博弈领域引入的,成功应用于围棋等棋类游戏[27]。后来它被扩展到调度和组合优化等诸多应用领域[25]、[26],最近在材料科学中也引起了关注,被用于原子采样和结构预测[1]、[28]、[29]。我们对MCTS方法进行了多层扩展,通过引入动作空间的层次分解来实现这一目标。我们的方法并非以相同尺度处理所有原子移动,而是首先探索大规模的原子重排,然后通过局部调整逐步精细化构型。这种层次化策略使算法能够优先处理大规模的原子重排,再通过局部调整逐步完善构型,从而显著减少冗余探索,提高优化过程的收敛速度。我们通过对典型的二维掺杂材料进行数值实验,展示了所提方法的性能和优势。与梅特罗波利斯-哈斯廷斯算法和标准MCTS等方法相比,我们的方法具有更快的收敛速度和更高的解质。这些结果凸显了其作为复杂材料系统构型优化工具的潜力与可行性。文章结构。本文的其余部分安排如下:第2节我们将超胞构型的生成问题表述为组合优化问题;第3节为构型优化问题提供基于图的表示方法,尤其是构型空间的结构以及标准搜索算法的原理;第4节我们构建了用于搜索最优构型的MCTS框架;第5节提出了多级MCTS方法,通过引入动作空间的层次分解来提升搜索效率;第6节我们通过二维六角晶格系统的数值实验来验证算法的效率;最后在第7节给出结论。章节摘录超胞构型优化我们考虑一个嵌入在d维(d=1,2,3)布拉维晶格L=AZd中的晶体系统,其中A为非奇异矩阵,属于Rd×d阶。该系统包含s∈N种不同的原子种类,用集合Xs:={X1,…,Xs}表示。这些原子分布在一个有限的超胞Λ=A[?D,D]d∩L中,为了在所有空间方向上重现构型,此处采用了周期性边界条件。我们用N:=#Λ表示该超胞中的总位点数,用Nk表示属于原子种类Xk的位点数。图表示法我们将在图表示法中构建组合优化问题(2)及其相关算法。对于给定的超胞Λ,每个构型σ∈S都表示为图中的一个顶点。如果两个构型在恰好一对位点占据情况上有所不同,则视为相邻并通过边相连。每条边对应一种操作,通过交换两个位点的占据情况将一个构型转换为另一个构型。特别是对于构型σ∈配置搜索与蒙特卡罗树搜索在本节中,我们提出了一种蒙特卡罗树搜索(MCTS)算法,用于寻找问题(2)的最优构型。MCTS算法的核心思想是扩展一个非对称的搜索树,重点关注那些可能包含最优解的更有希望的子树。在搜索树中,每个节点代表图中的一个构型(顶点),每条边则对应连接两个相邻构型的操作。需要注意的是,构型图中的同一个顶点可能……多级MCTS方法在本节中,我们通过利用晶体结构的层次分解,提出了一种多级MCTS(ML-MCTS)框架。在每个层级?∈N上,最大层级L对应最精细的分解,我们将超胞Λ分解为互不重叠的子集Λ=?kΛk(?),满足Λk1(?)∩Λk2(?)=??k1≠k2。此外,这种分解在不同层级之间是嵌套的。层级?上的每个子集Λk(?)都是对上一层级中某个k′对应的子集Λk′(??1)进行细化得到的。鉴于此……数值实验在本节中,我们通过对二维六角晶格系统进行数值实验,来展示所提ML-MCTS算法的效率。所有数值模拟都是使用GitHub上的python包“ML-MCTS”完成的(详见第19页的数据可用性说明)。我们研究了掺杂石墨烯系统的超胞构型,其中部分原子位点被其他原子种类替代。目标函数f由系统的总能量决定,该能量可通过……结论在本项工作中,我们提出了一种新的ML-MCTS方法,用于解决晶体系统构型生成过程中出现的组合优化问题。通过在不同层次上分解动作空间并逐步精细化构型景观,我们的方法显著减少了树搜索的冗余,从而能够高效地发现最优构型。对掺杂石墨烯系统的数值实验表明,我们的ML-MCTS方法始终能够……CRediT作者贡献说明李晓旭:写作——审阅与编辑,写作——初稿,可视化,验证,方法论,研究,数据整理,概念构建。徐戈:可视化,验证,方法论,数据整理。陈华杰:写作——审阅与编辑,写作——初稿,指导,方法论,研究,形式分析,概念构建。高行宇:写作——审阅与编辑,指导,项目管理,方法论。宋海峰:写作——审阅与编辑。利益冲突声明陈华杰表示获得了中华人民共和国科技部的财政支持。李晓旭表示获得了国家自然科学基金的财政支持。陈华杰同样表示获得了国家自然科学基金的财政支持。高行宇也表示获得了国家自然科学基金的财政支持。如果还有其他作者,他们声明自己没有已知的利益冲突。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号