O algoritmo genético nos ajustes de curvas de energia potencial de sistemas diatômicos CH e NH Gabriela R. Vaz (IC)*, Luciano Ribeiro (PQ). [email protected] Ciências Exatas e tecnológicas, Universidade Estadual de Goiás. 459, 75001970, Anápolis, GO, Brasil. O objetivo principal desse trabalho é a obtenção da constantes espectroscópicas nos ajustes das curvas de energia potencial (CEP) de um sistema diatômicos (com mais de um átomo em interação). Para tanto foi necessário resolver a equação de Schrodinger eletrônica para varias configurações nucleares, gerando as CEPs desse sistema.. Para resolve-la utiliza-se vários níveis de cálculo e bases diferentes. As CEPs foram ajustadas para forma analítica do tipo Rydberg generalizada e aproximação de Born-Oppenheier, as quais usam como base o algorítimo genético, o qual resume-se em atrvés de um conjunto de numeros escolher e trabalhar com o que melhor se adaptar ao problema gerado. Existe uma gama de metodolgias para otimização do processo, dentre eles o Algorítimo genético vem se tornando uma boa opção, por dar uma melhor ideia da superfície da superfície de resposta e por lidar com problemas muito complexos ( elevado número ode variáveis e restrições, alem de um espaço de busca muito grande). Palavras-chave: Constantes espectroscópicas. Método de Dunham. Algoritimo genético. HartreeFock. Introdução A teoria de algoritmo genético (AGs), surgiu em meados da década de 70, constitui em uma técnica de busca e otimização, altamente paralela, inspirada no princípio Darwiniano de seleção natural e reprodução genética. Basicamente, o que um algoritmo genético faz é criar uma população de possíveis respostas para o problema a ser tratado (inicializado) para depois submetê-la ao processo de evolução, constituído em seis etapas: avaliação, seleção, cruzamento, mutação, atualização e a finalização. O AG é um método de busca global que não leva em consideração o gradiente da superfície de resposta, evitando o problema de ficar confinado a regiões de extremos locais, além do fato de fornecer informação sobre a frequência de visitação de cada extremo. Esta última característica fornece maiores detalhes da topografia da superfície de resposta, dando ideia das múltiplas possibilidades de maximização e minimização. AGs são tipicamente implementados através de simulação computacional onde uma população de representações abstratas (cromossomos) de candidatos a solução (indivíduos) de um problema evolui para melhores soluções tradicionalmente, cromossomos são representados por sequencias binarias, porem outras codificações e estruturas de dados são possíveis. De forma geral, a evolução se inicia a partir de uma população inicial de indivíduos e acontece em gerações. A cada geração o desempenho de cada indivíduo é medido. Com base nisso, múltiplos indivíduos são selecionados e modificados para formar a população da próxima geração. É claro que o procedimento descrito acima pode ser executado de várias formas diferentes. A descrição acima é intencionalmente abstrata. Do ponto de vista prático, muitos modelos de AGs são desenvolvidos de forma exclusiva e especifica para cada problema. Vale ressaltar também que desse ponto de vista a grande maioria das pesquisas são orientadas para a utilização de AGs como ferramentas de otimização. Em problemas de interesse dos físicos da matéria, destacam-se a utilização de AGs nos trabalhos. 1 Material e Métodos O conceito de curvas de energia potencial (CEP) de sistemas molecular é central em química quântica. Do ponto de vista teórico aparece naturalmente como uma consequência da aproximação de Born-Oppenheimer (ABO) na resolução da equação de Schrödinger para um sistema com muitos elétrons. 2 Como pode ser observado, existe uma gama de metodologias para otimização de processos. Dentre estes, o Algoritmo Genético vem se tornando uma boa opção, por dar uma melhor ideia da superfície de resposta e por lidar com problemas muito complexos (elevado número de variáveis e restrições, além de um espaço de busca muito grande). 3 A forma analítica que utilizada nesse trabalho foi a Rydberg generalizada. Esta forma é representada por ai ρ i n 1+∑ ¿ exp (−ai ρ ) i V R =−D e ¿ (1) ou mais explicitamente V ρ=−D e ( 1+a 1 ρ+ a2 ρ2 + a3 ρ3 + a4 ρ4 + … ) exp(−a i ρ). Sendo que ρ=R−Req é o deslocamento da posição de equilíbrio é a energia de dissociação e os i=1 ai ¿ até (2) Req , De N , onde representa os graus do polinômio) são os coeficientes a serem ajustados pela o algoritmo genético 4. Nesse caso usamos N = 6. Resultados e Discussão 4.1 Sistema CH Com a necessidade de energias eletrônicas para o sistema diátomo CH o calculo a partir do nível de QCISD(T) com as bases 6-311++G foi feito 5. Todos os cálculos foram realizados no software Gaussian 09 e utilizamos da infraestrutura do grupo de Química Teórica e Estrutural de Anápolis (QTEA). Figura 1- Energias para o Sistema CH, com níveis de calculo de QCISD(T) com as bases 6-311++G. Com os pontos ab initio foi construída a CEP do diátomo CH. A Figura 1 apresenta curva de energias potencial do diâtomo CH. Observe que a distancia de equilíbrio esta em torno de 1.2 angstroms. Os coeficientes da CEP da Figura 1 pela função analítica Rydberg, descrita pela Equação 1, apresentados na Tabela 1 foram retirados do ajuste da Figura 2. Tabela 1- Ajuste realizado com a Rydberg de ordem sexta para o sistema CH. A linha azul representa o ajuste, as bolas os pontos calculados e a linha vermelha o erro realizado no ajuste. Tabela 2- Os parâmetros ajustados com a função analítica Rydberg para os sistemas CH. As unidades em Hartree para a dimensão de energia e Angstrom para valores de distância. CH a1 a2 a3 a4 a5 a6 De R0 1.001232806987 0.755107262088 -0.070627541936 0.194956045559 -0.042119327802 0.009416931163 -2.194071052317 1.150077066831 Em temo dos valores da Tabela 1, utilizando a metodologia de Dunham 6 torna-se possível a determinação das constantes espectroscópicas. As constantes espectroscópicas obtidas foram: frequência vibracional de equilíbrio, constantes rotacionais e , para o sistema CH. , das A Tabela 2 estão apresentas as constantes espectroscópicas, , e para o sistema CH. Tabela 3 – Constantes espectrocópicas dos sistema CH. CH Be ωe αe 1.972 1129.5 0.0253 4.2 Sistema CN A Figura 3 descreva a CEP para o diâtomo NH. Todo o procedimento para a obtenção da curva de energia seguiu todos os procedimentos adotados anteriormente. Figura 2- Curva de energia potencial para o diatômo NH. Para esse sistema os coeficientes ajustados com a função Rydberg estão apresentados na Tabela X e os valores das constantes obtidas estão na Tabela y. Tabela 4 - Os parâmetros ajustados com a função analítica Rydberg para os sistemas CN. As unidades em Hartree para a dimensão de energia e Angstrom para valores de distância. CN a1 a2 a3 a4 a5 a6 De R0 0.984573531312 0.557552856495 0.074911567278 0.095482158519 -0.013162462639 0.005284197902 -27.584138191518 1.176258197350 Tabela 5 - Constantes espectrocópicas dos sistema CN. CN Be ωe αe 1.8855 2145.5 0.00150 Considerações Finais Nos cálculos das energias obtidas para diátomo CH e NH, Figuras 1 e 2 apresentam uma concordância no distância de equilíbrio com dados experimentais. A próxima etapa será o ajuste da Eq. 1 aos dados obtidos das Figuras 1 e 2. Por meio do método de Dunham calculamos as constantes espectroscópicas harmônicas, rotacionais de equilíbrio e rotacionais de acoplamento, representadas respectivamente por, ω , Be e α e . Os seus valores estão em boa concordância com valores encontrados na literatura 7. Agradecimentos BIC/UEG. Referências 1. Hardy T. ( IA : Inteligencia Artificial ). Polis, Rev la Universdad. 2001;1(2):1-23. 2. Martins JS, Martins JBL, Silva GM. Nova Forma de Ajuste de Curvas de Energia Potencial de Sistemas Diatômicos. Rev Process Químicos. 2012;6:39-45. 3. Federal U, Centro S, Monografia D, Meloti I, Orientador C, Assafr C. Espalhamento de Pósitron por Átomos e Moléculas : Aplicação ao Átomo de He e a Molécula de H 2 . Ivan Meloti Capucho Espalhamento de Pósitron por Átomos e Moléculas : Aplicação ao Átomo de He e a Molécula de H 2 . 2013. 4. Antunes AWS, Ferreira Da Cunha W, Magela E Silva G, Martins JBL, Gargano R. Dynamical properties and thermal rate coefficients for the Na + HF reaction using genetic algorithm. Int J Quantum Chem. 2009:NA - NA. doi:10.1002/qua.22152. 5. Esteves CS, de Oliveira HCB, Ribeiro L, Gargano R, Mundim KC. Modeling diatomic potential energy curves through the generalized exponential function. Chem Phys Lett. 2006;427(1-3):10-13. doi:10.1016/j.cplett.2006.06.020. 6. Dunham JL. The Energy Levels of a Rotating Vibrator. Phys Rev. 1932;41(6):721-731. 7. Salviano LR, Esteves CS, de Oliveira HCB, Mundim KC, Ribeiro L, Gargano R. Use of generalized exponential function to build three-dimensional reactive surfaces. Phys A Stat Mech its Appl. 2010;389(17):3604-3612. doi:10.1016/j.physa.2010.04.031.