快速惯性松弛引擎（FIRE）在原子模拟能量最小化中的评估与优化及其在 LAMMPS 中的实现
计算物理
2020-03-05 v4 材料科学
摘要
在原子模拟中，伪动力学松弛方案在寻找局部极小值方面通常比基于线搜索的下降算法（如最速下降或共轭梯度）表现出更好的性能与精度。本文给出了改进版快速惯性松弛引擎（FIRE）及其在开源代码 LAMMPS 中的实现。结果表明，时间积分方案与最小化参数的正确选择对性能至关重要。
引用
@article{arxiv.1908.02038,
title = {Assessment and optimization of the fast inertial relaxation engine (FIRE) for energy minimization in atomistic simulations and its implementation in LAMMPS},
author = {Julien Guénolé and Wolfram G. Nöhring and Aviral Vaid and Frédéric Houllé and Zhuocheng Xie and Aruna Prakash and Erik Bitzek},
journal= {arXiv preprint arXiv:1908.02038},
year = {2020}
}
备注
21 pages, 3 figures, 2 tables and 6 algorithms