Parallel low-memory quasi-Newton optimization algorithm for molecular structure

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F13%3A00350549" target="_blank" >RIV/68407700:21230/13:00350549 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61388963:_____/13:00398455

Výsledek na webu

<a href="https://doi.org/10.1016/j.cplett.2013.08.050" target="_blank" >https://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>

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 the calculation 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 the calculation 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.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10400 - Chemical sciences

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Chemical Physics Letters

ISSN

0009-2614

e-ISSN

1873-4448

Svazek periodika

584

Číslo periodika v rámci svazku

October

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

4

Strana od-do

10-13

Kód UT WoS článku

000324860000002

EID výsledku v databázi Scopus

—