Projet : FRACTALES - fractales

<body bgcolor="#FFFFFF" text="#000000" link="#9944EE" vlink= "#0000FF" alink="#00FF00"> <h2><a name="SECTION000612000000000000000" id= "SECTION000612000000000000000">Simulations de Monte Carlo parallèles compétitives</a></h2>  <a name="FRACTALES_resultats_Simulation-Moleculaire" id= "FRACTALES_resultats_Simulation-Moleculaire"></a> <p><strong>Mots clés :</strong> <i>simulation moléculaire, simulation de Monte Carlo, évolution artificielle .</i></p> <p><br /> <br /> <span class="textbf">Participants :</span> Benoît Leblanc, Evelyne Lutton.<br /> <br /></p> <blockquote> En collaboration avec l'IFP, Groupe IA/Statistique (Bertrand Braunschweig) et Groupe Modélisation Moléculaire (Hervé Toulhoat), dans le cadre d'une convention CIFRE. </blockquote> <div id="glossaire" style= "margin-left: 2em;margin-right: 2em;"> <hr /> <dl title="Glossaire"> <dt><b>Simulation moléculaire</b></dt> <dd><i>simulation du comportement d'un ensemble de particules en interaction représentant un système physico-chimique.</i></dd> <dt><b>Simulation de Monte Carlo</b></dt> <dd><i>Echantillonnage aléatoire de l'espace des configurations d'un système thermodynamique fondé sur la contruction d'une chaine de Markov ayant pour distribution limite la distribution appropriée pour le système considéré.</i></dd> </dl> <hr /> </div> <h3>Résumé :</h3> <div class="ABSTRACT"> <i>Nous avons développé une approche de la simulation moléculaire fondée sur un algorithme évolutionnaire. L'application visée est la simulation de polymères amorphes et le but recherché est d'améliorer le temps de mélange du système simulé, c'est-à-dire d'obtenir plus rapidement des résultats valides de l'espace d'état.</i> </div> <p>Notre approche est de considérer des simulations parallèles, c'est-à-dire plusieurs simulations du même système. En conséquence, si l'on cherche à obtenir un échantillon de l'espace des phases associé, tous les états parcourus par les différentes simulations contribuent à l'élaboration de l'échantillon. Ceci permet, outre de pouvoir utiliser des architectures parallèles, de comparer différents modèles distribués. Plus spécifiquement notre but est d'évaluer l'efficacité des algorithmes d'EA pour le réglage des paramètres de Monte Carlo, habituellement réglés empiriquement. Par exemple, dans le cas où plusieurs mouvements de Monte Carlo sont possibles, leurs proportions relatives sont des paramètres de la simulation (et non du système lui-même, car ils n'affectent pas la distribution limite), et ont un effet sur l'efficacité de la simulation. Il est alors nécessaire de définir un critère effectif, qui ne pourra être tenu pour universel, d'autres pouvant lui être préférés. Dans notre cas nous utilisons des critères d'autocorrélation et de déplacement moyen des molécules.</p> <p>Afin de pouvoir effectuer une comparaison de performances, nous avons besoin d'un algorithme de référence. Nous considérons comme référence <span class= "MATH"><i>n</i></span> instances d'une simulation classique partant de <span class="MATH"><i>n</i></span> états initiaux différents et utilisant les mêmes paramètres de Monte Carlo réglés a priori comme on le ferait pour une simulation unique, c'est-à-dire sans donner de préférence arbitraire à tel ou tel mouvement. Les résultats obtenus montrent une amélioration significative dans nombre de configurations, l'algorithme d'EA permettant de trouver rapidement des paramètres efficaces pour la simulation.</p> </body>