Busca global em LEED usando algorítmo genético

• Autor(a) principal: Mario Luiz Viana Alvarenga
• Data de Publicação: 2004
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/ESCZ-692M97
• topic: LEED; Difração de Eletrons de Baixa Energia LEED

A determinação estrutural de superfícies sólidas via LEED (Difração de Elétrons Lentos) é um problema que requer uma busca extensiva no espaço de parâmetros que normalmente inclui parâmetros estruturais, as coordenados atômicas, e não estruturais, como a temperatura de Debye das primeiras camadas e o potencial óptico, de tal forma que as curvas I (V) teóricas possam se ajustar da melhor maneira possível às curvas experimentais. Por isso se faz necessário o uso de algoritmos que possam encontrar o mínimo global de maneira eficiente. Este trabalho apresenta os resultados da aplicação do Algoritmo Genético (GA) na otimização de parâmetros em uma análise LEED. Este é um método computacional baseado na evolução das espécies, que partindo de uma população inicial aleatória de soluções tais como: elitismo, recombinação e mutação. A qualidade de cada solução é avaliada através do código SATLEED (Symmetric Automated Tensor LEED), que calcula curvas I (V) teóricas através de estruturas geradas pelo GA e faz a comparação com as curvas experimentais. Esta comparação é quantificada através de um fator de correlação. O fator - R, que será tão menor quanto melhor a concordância entre as curvas. O GA usa este fator-R para associar aos indivíduos probabilidades de escolha para os processos de recombinação e clonagem. Resultados preliminares da aplicação do GA na determinação estrutural da face (111) do cristal de Ag - onde foram otimizados três parâmetros estruturais, além da temperatura de Debye da primeira camada atômica e o potencial óptico - mostraram boa ?performance? do método. Um segundo teste foi feito usando a face (110) do Cobre, onde quatro parâmetros estruturais, as temperaturas de Debye das duas primeiras camadas, e ainda, o potencial óptico foram otimizados. Finalmente, o código foi usado para o sistema Ni (111) (?3 X ?3)R 30º - Sn. Aqui o problema de otimização consiste de seis parâmetros estruturais, mais as temperaturas de Debye da primeira e segunda camadas e o potencial óptico, totalizando nove parâmetros. Mais uma vez, conseguimos excelente concordância entre os resultados obtidos através do GA e os resultados obtidos anteriormente através de outros métodos de minimização.