Parallel low-memory quasi-Newton optimization algorithm for molecular structure
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61388963%3A_____%2F13%3A00398455" target="_blank" >RIV/61388963:_____/13:00398455 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/68407700:21230/13:00350549
Výsledek na webu
<a href="http://dx.doi.org/10.1016/j.cplett.2013.08.050" target="_blank" >http://dx.doi.org/10.1016/j.cplett.2013.08.050</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.cplett.2013.08.050" target="_blank" >10.1016/j.cplett.2013.08.050</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Parallel low-memory quasi-Newton optimization algorithm for molecular structure
Popis výsledku v původním jazyce
We present a novel parallel gradient optimization algorithm designed for the optimization of molecular geometry - the parallel preconditioned LBFGS (PP-LBFGS) method. In each step, several additional gradient calculations (performed in parallel with thecalculation of the potential) are used to improve the most important elements of the Hessian. The sparsity of the connectivity matrix and the graph theory are used to estimate multiple Hessian elements from each additional gradient calculation. The simplest variant of the algorithm, which requires 4 gradient evaluations per cycle, converges 2x-4x faster than the LBFGS algorithm, depending on the size of the system.
Název v anglickém jazyce
Parallel low-memory quasi-Newton optimization algorithm for molecular structure
Popis výsledku anglicky
We present a novel parallel gradient optimization algorithm designed for the optimization of molecular geometry - the parallel preconditioned LBFGS (PP-LBFGS) method. In each step, several additional gradient calculations (performed in parallel with thecalculation of the potential) are used to improve the most important elements of the Hessian. The sparsity of the connectivity matrix and the graph theory are used to estimate multiple Hessian elements from each additional gradient calculation. The simplest variant of the algorithm, which requires 4 gradient evaluations per cycle, converges 2x-4x faster than the LBFGS algorithm, depending on the size of the system.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
CF - Fyzikální chemie a teoretická chemie
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GP13-01214P" target="_blank" >GP13-01214P: Cuby - softwarový framework pro výpočetní chemii</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Chemical Physics Letters
ISSN
0009-2614
e-ISSN
—
Svazek periodika
584
Číslo periodika v rámci svazku
Oct 1
Stát vydavatele periodika
NL - Nizozemsko
Počet stran výsledku
4
Strana od-do
10-13
Kód UT WoS článku
000324860000002
EID výsledku v databázi Scopus
—