maise
1.0.0
คุณลักษณะ Module for AB Initio Structure (MAISE)
* คำอธิบายที่ใช้เครือข่ายประสาทของปฏิสัมพันธ์ระหว่างอะตอม
* การเพิ่มประสิทธิภาพวิวัฒนาการ
* การวิเคราะห์โครงสร้าง
1. ข้อมูลทั่วไป
2. ดาวน์โหลดและติดตั้ง
3. อินพุต
4. ตัวอย่าง
5. คำอธิบายแท็กอินพุตการตั้งค่า
Maise ได้รับการพัฒนาโดย
Alexey Kolmogorov [email protected]
samad hajinazar [email protected]
Ernesto Sandoval [email protected]
เวอร์ชันปัจจุบัน 2.9 ทำงานบนแพลตฟอร์ม Linux และรวม 3 โมดูลสำหรับการสร้างแบบจำลองการเพิ่มประสิทธิภาพและการวิเคราะห์โครงสร้างอะตอม
1 โมดูล Neural Network (NN) สร้างการทดสอบและใช้โมเดล NN เพื่ออธิบายการโต้ตอบระหว่างอะตอมกับความแม่นยำเริ่มต้นของ AB ที่ค่าใช้จ่ายในการคำนวณต่ำเมื่อเทียบกับการคำนวณทฤษฎีความหนาแน่น
ด้วยเป้าหมายหลักของการใช้โมเดล NN เพื่อเร่งการค้นหาโครงสร้างฟังก์ชั่นหลักของโมดูลคือการผ่อนคลายโครงสร้างที่กำหนด เพื่อลดความซับซ้อนของแอปพลิเคชัน NN และการเปรียบเทียบเราจึงจับคู่รูปแบบไฟล์อินพุตและเอาต์พุตอย่างใกล้ชิดกับที่ใช้ในซอฟต์แวร์ VASP ก่อนหน้านี้โมเดล NN พารามิเตอร์ที่มีอยู่ในไดเรกทอรี 'Models/' ได้รับการสร้างและทดสอบอย่างกว้างขวางสำหรับวัสดุผลึกและ/หรือวัสดุนาโนโครงสร้าง การใช้งานจริงครั้งแรกของ NNS รวมถึงการทำนายของโลหะผสม MG-CA และ M-SN ที่สังเคราะห์ได้ใหม่ [1-3] รวมถึงการระบุ CU-PD-AG และอนุภาคนาโน AU ที่มีเสถียรภาพมากขึ้น [4,5]
ผู้ใช้สามารถสร้างโมเดล NN ของตัวเองด้วย MAISE ซึ่งโดยทั่วไปแล้วได้รับการฝึกฝนเกี่ยวกับความหนาแน่นของทฤษฎีการทำงาน (DFT) พลังงานทั้งหมดและข้อมูลแรงอะตอมสำหรับโครงสร้างที่ค่อนข้างเล็ก การสร้างการกำหนดค่าที่เกี่ยวข้องและหลากหลายนั้นทำแยกต่างหากด้วยโปรโตคอล 'การสุ่มตัวอย่างแบบวิวัฒนาการ' ที่มีรายละเอียดในงานที่ตีพิมพ์ของเรา [6] รหัสแนะนำคุณสมบัติที่เป็นเอกลักษณ์ 'การฝึกอบรมแบ่งชั้น' ของวิธีการสร้าง NNS ที่แข็งแกร่งสำหรับระบบเคมีที่มีองค์ประกอบหลายอย่าง [6] โมเดล NN ได้รับการพัฒนาในแบบลำดับชั้นก่อนสำหรับองค์ประกอบจากนั้นสำหรับไบนารีและอื่น ๆ ซึ่งช่วยให้การสร้างห้องสมุดที่นำกลับมาใช้ใหม่ได้สำหรับบล็อกขยายในตารางธาตุ
2 อัลกอริทึมวิวัฒนาการที่ดำเนินการ (EA) ช่วยให้สามารถระบุการกำหนดค่าสถานะพื้นดินได้อย่างมีประสิทธิภาพในองค์ประกอบทางเคมีที่กำหนด การศึกษาของเราแสดงให้เห็นว่า EA นั้นเป็นประโยชน์อย่างยิ่งในการจัดการกับโครงสร้างขนาดใหญ่เมื่อไม่มีการป้อนข้อมูลโครงสร้างการทดลอง [7,8]
การค้นหาสามารถทำได้สำหรับผลึกขนาดใหญ่ 3 มิติฟิล์ม 2D และอนุภาคนาโน 0D ประชากรของโครงสร้างสามารถสร้างได้ทั้งแบบสุ่มหรือกำหนดไว้ล่วงหน้าตามข้อมูลก่อนหน้า การดำเนินการที่จำเป็นคือ 'ครอสโอเวอร์' เมื่อมีการสร้างการกำหนดค่าใหม่ตามโครงสร้างหลักสองตัวในรุ่นก่อนหน้าและ 'การกลายพันธุ์' เมื่อโครงสร้างหลักถูกบิดเบือนแบบสุ่ม สำหรับอนุภาคนาโน 0D เราได้แนะนำอัลกอริทึมวิวัฒนาการมัลติเพอร์มินต์ที่ช่วยให้การเพิ่มประสิทธิภาพของกลุ่มในช่วงขนาดที่กำหนด [4]
3 ฟังก์ชั่นการวิเคราะห์รวมถึงการเปรียบเทียบโครงสร้างตามฟังก์ชันการกระจายเรเดียล (RDF) การกำหนดกลุ่มอวกาศและตำแหน่ง Wyckoff ด้วยแพ็คเกจ spglib ภายนอก ฯลฯ โดยเฉพาะอย่างยิ่งผลิตภัณฑ์ DOT โครงสร้างที่ใช้ RDF เป็นสิ่งจำเป็นสำหรับ กำจัดโครงสร้างที่ซ้ำกันในการค้นหา EA และเลือกการกำหนดค่าที่แตกต่างกันในกลุ่มของโครงสร้างพลังงานต่ำที่พบ
[1] https://pubs.rsc.org/en/content/articlelanding/2018/cp/c8cp05314f#!divabstract
[2] https://www.nature.com/articles/S41524-022-00825-4
[3] https://pubs.rsc.org/en/content/articlelanding/2023/cp/d3cp02817h/unauth
[4] https://pubs.rsc.org/en/content/articlelanding/2019/cp/c9cp00837c#!divabstract
[5] https://pubs.acs.org/doi/10.1021/acs.jpcc.9b08517
[6] https://journals.aps.org/prb/abstract/10.1103/physrevb.95.014114
[7] https://journals.aps.org/prl/abstract/10.1103/physrevlett.109.075501
[8] https://journals.aps.org/prb/abstract/10.1103/physrevb.98.085131
ซอร์สโค้ดสำหรับ Maise สามารถรับได้จาก commandline โดยการรัน:
git clone git://github.com/maise-guide/maise.git
หรือ
git clone https://github.com/maise-guide/maise.git
หรือ
wget -O master.zip https://github.com/maise-guide/maise/archive/master.zip unzip master.zip
1 ใช้ ' make -jobs ' สำหรับการรวบรวมเต็ม สำหรับการรวมกันใหม่ให้ใช้ 'ทำความสะอาด' เพื่อลบไฟล์วัตถุหรือ 'ทำความสะอาดทั้งหมด' เพื่อลบไฟล์วัตถุและไลบรารีภายนอก
2 ในระหว่างการรวบรวม Maise, 'Make -Jobs' ตรวจสอบหากมีสองไลบรารีภายนอกที่จำเป็นคือ Library GSL และ SPGLIB v1.11.2.1, Feb 2019 มีอยู่ ถ้าไม่พวกเขาจะถูกดาวน์โหลดโดยอัตโนมัติไปยัง ./ext-dep และติดตั้งใน ./lib ในระบบส่วนใหญ่
3 หากการติดตั้ง GSL หรือ SPGLIB ไม่เสร็จสมบูรณ์โปรดรวบรวมด้วยตนเองและคัดลอก (i) libgsl.a, libgslcblas.a และ libsymspg.a ลงในไดเรกทอรีย่อย './lib'; (ii) ส่วนหัว 'spglib.h' ลงใน './lib/include' ไดเรกทอรี และ (iii) ส่วนหัว GSL ทั้งหมดลงใน './lib/include/gsl' ไดเรกทอรี
4 สคริปต์ 'ตรวจสอบ' มีอยู่ในไดเรกทอรี'/test/ 'ซึ่งสามารถเรียกใช้ได้หลังจากรวบรวม Maise Conecutable เพื่อให้แน่ใจว่าการทำงานที่เหมาะสมของรหัส สคริปต์นี้จะตรวจสอบประสิทธิภาพของรหัสโดยอัตโนมัติในการแยกวิเคราะห์ข้อมูลฝึกอบรมเครือข่ายประสาทและประเมินโครงสร้างผลึก หากการรวบรวมเป็นสิ่งที่ดีสคริปต์ 'ตรวจสอบ' จะส่งออก มิฉะนั้นบันทึกข้อผิดพลาดจะได้รับข้อมูลเพิ่มเติมเกี่ยวกับปัญหา
รหัสได้รับการทดสอบอย่างกว้างขวางบนแพลตฟอร์ม Linux เราจะขอบคุณข้อเสนอแนะของผู้ใช้เกี่ยวกับการติดตั้งและประสิทธิภาพของแพ็คเกจบนแพลตฟอร์มที่แตกต่างกัน
ไฟล์อินพุตหลักที่กำหนดการจำลองคือ 'การตั้งค่า' ด้วยการตั้งค่างาน 'โมเดล' ด้วยพารามิเตอร์ NN และ 'poscar' ด้วยพารามิเตอร์โครงสร้างอะตอมในรูปแบบ VASP การแปลงสภาพแวดล้อมอะตอมเป็นอินพุต NN ในระหว่างขั้นตอนการแยกวิเคราะห์ของการพัฒนา NN นั้นต้องการไฟล์ 'พื้นฐาน' ที่ระบุฟังก์ชั่นสมมาตร Behler-Parrinello
| Evos | nnet | ห้องขัง | |||||
| ค้นหา | การสอบ | แยกวิเคราะห์ | รถไฟ | ทดสอบ | การจำลอง | การสอบ | |
| การตั้งค่า | - | - | - | - | - | - | |
| แบบอย่าง | - | - | - | ||||
| พื้นฐาน | - | - | |||||
| SPG | - | - | |||||
| GSL | - | - | |||||
| * สำหรับการฝึกอบรมแบบแบ่งชั้นเราจำเป็นต้องจัดทำแบบจำลองแต่ละแบบ $ 'พื้นฐาน' ที่เก็บไว้ในไดเรกทอรีที่แยกวิเคราะห์จะถูกผนวกเข้ากับ 'โมเดล' ในตอนท้ายของการฝึกอบรม # 'โมเดล' มี 'พื้นฐาน' วางในตอนท้ายเมื่อการฝึกเสร็จสิ้น | |||||||
การตรวจสอบโครงสร้างและฟังก์ชั่นการจัดการดำเนินการโดยเรียก Maise ด้วยธง:
maise -flag
| ธง | คำอธิบายธง |
|---|---|
| ผู้ชาย | ส่งออกรายการธงที่มีอยู่ |
| RDF | คำนวณและพล็อต RDF สำหรับ poscar |
| CXC | คำนวณผลิตภัณฑ์ DOT สำหรับ POSCAR0 และ POSCAR1 โดยใช้ RDF |
| CMP | เปรียบเทียบ RDF, กลุ่มอวกาศและปริมาตรของ POSCAR0 และ POSCAR1 |
| SPG | แปลง poscar เป็น str.cif, conv, prim |
| CIF | แปลง str.cif เป็น conv และ prim |
| สลัว | ค้นหาว่า poscar เป็นระยะ (3) หรือไม่ใช่ช่วงเวลา (0) |
| ฉบับ | คำนวณปริมาตรต่ออะตอมสำหรับโครงสร้างคริสตัลหรือนาโน |
| เน่า | หมุนอนุภาคนาโนตาม eigenvectors ของช่วงเวลาแห่งความเฉื่อย |
| ย้าย | ย้ายอะตอมไปตามทิศทางเดียวโดยการเปลี่ยนแปลงคงที่ |
| กล่อง | รีเซ็ตขนาดกล่องสำหรับอนุภาคนาโน |
| จีบ | สร้าง supercell ที่ระบุโดย na x nb x nc |
| อีก | SHIFT UNIT COLL ใน POSCAR ไปตาม Phonon EigenMod |
| คำสั่ง | สั่งอะตอมตามสปีชีส์ |
| ออก | แยกสแน็ปช็อตจาก MD หรือวิถีการผ่อนคลายใน VASP |
ไดเรกทอรี 'ตัวอย่าง/' มีตัวอย่างของงาน MAISE สำหรับการวิเคราะห์เซลล์และการจัดการข้อมูลการแยกวิเคราะห์การฝึกอบรมเครือข่ายประสาทการจำลองโครงสร้างด้วยโมเดลเครือข่ายประสาทการค้นหาวิวัฒนาการสำหรับรูปแบบเครือข่ายประสาท ตัวอย่าง EASH มีไฟล์ readme ไฟล์การตั้งค่าที่มีแท็กที่เกี่ยวข้องเฉพาะสำหรับงานเฉพาะและไฟล์เอาต์พุตอ้างอิงสำหรับการเปรียบเทียบ
ตัวเลือกประเภทงานหลัก
โครงสร้าง-กลั่นกรอง
Evos หลัก
การดำเนินงาน EVOS
ครอสโอเวอร์/การกลายพันธุ์ของ Evos
การเปลี่ยนแปลงระดับโมเลกุล
สายพันธุ์ที่เกี่ยวข้อง
I/O
รูปแบบทั่วไป
โมเดลเครือข่ายประสาท
การฝึกอบรมเครือข่ายประสาท
การแยกวิเคราะห์
การผ่อนคลายเซลล์
คนงาน
nmax mmax
รหัส dene kmsh lbox ndim nitr nnjb npop rand runt seed sitr tini
blob chop invs mate mute pack plnt refl rube swap swap tetr
ACRS ADST ELPS LCRS LDST MCRS SCRS SDST
CPLT CPLP ICMP DELT MOVI NSTP MDTP TMAX TMIN TSTP
ASPC NSPC TSPC
data data depo eval otpt wdir
ncmp nngt nnnn nnnu nsym
fmrk lreg ntrn ntst tefs npar
Emax fmax fmin vmax vmin mmax
etol mint mitr pgpa rlxt เวลา
| ติดแท็ก | คำอธิบาย |
|---|---|
| คนงาน | การวิเคราะห์โครงสร้าง (00) เครื่องมือการวิเคราะห์การใช้ที่ระบุโดยธงการค้นหาวิวัฒนาการ (10) Run (11) การออกอ่อน (12) การวิเคราะห์ทางออกยาก (13), การจำลองเซลล์ (20) การผ่อนคลาย (21) การเปลี่ยนแปลงโมเลกุล (22) การคำนวณ Phonon, การแยกวิเคราะห์ข้อมูล (30) เตรียมอินพุตสำหรับการฝึกอบรม NN, การฝึกอบรม NN (40) การฝึกอบรมเต็มรูปแบบ (41) การฝึกอบรมแบบแบ่งชั้น |
| รหัส | ประเภทของรหัสที่ใช้งาน (0) Maise-int (1) Vasp-ext (2) Maise-ext |
| NPAR | จำนวนแกนสำหรับการฝึกอบรม NN แบบขนานหรือการจำลองเซลล์ |
| สะระแหน่ | อัลกอริทึม Optimizer สำหรับการฝึกอบรมเครือข่ายประสาทและการเพิ่มประสิทธิภาพของเซลล์ (ประเภท Minimizer GSL (0) BFGS2 (1) CG-FR (2) CG-PR (3) Descent Steepest |
| MITR | จำนวนสูงสุดของขั้นตอนการเพิ่มประสิทธิภาพ; หากความแม่นยำที่ต้องการไม่ถึงสำหรับการฝึกอบรม NN หรือขั้นตอนการเพิ่มประสิทธิภาพเซลล์ |
| rlxt | ประเภทการเพิ่มประสิทธิภาพของเซลล์ (2) แรงเท่านั้น (3) เซลล์เต็ม (7) ปริมาตร (ISIF in VASP) |
| Etol | การยอมรับข้อผิดพลาดสำหรับการฝึกอบรมหรือการเพิ่มประสิทธิภาพของเซลล์การบรรจบกัน |
| Tefs | ค่าเป้าหมายการฝึกอบรม (0) E (1) EF (2) ES (3) EFS (4) ของเล่น |
| fmrk | สัดส่วนของอะตอมที่จะแยกวิเคราะห์เพื่อใช้สำหรับการฝึกอบรม EF หรือ EFS |
| ศาล | ประเภทเอาท์พุทในไฟล์ Outcar ในการประเมินเซลล์และการเพิ่มประสิทธิภาพ |
| nmax | จำนวนอะตอมสูงสุดในเซลล์หน่วย |
| mmax | จำนวนเพื่อนบ้านสูงสุดภายในรัศมีคัตออฟ |
| NSPC | จำนวนประเภทองค์ประกอบสำหรับการค้นหาวิวัฒนาการแยกวิเคราะห์ข้อมูลและการฝึกอบรมเครือข่ายประสาท |
| TSPC | จำนวนอะตอมขององค์ประกอบที่ระบุด้วยแท็ก NSPC |
| ASPC | จำนวนอะตอมของแต่ละองค์ประกอบสำหรับการค้นหาวิวัฒนาการ |
| nsym | จำนวนฟังก์ชั่นสมมาตร Behler-Parrinello สำหรับการแยกวิเคราะห์ข้อมูลโดยใช้ไฟล์ "พื้นฐาน" |
| NCMP | ความยาวของเวกเตอร์อินพุตของเครือข่ายประสาท |
| ntrn | จำนวนโครงสร้างที่ใช้สำหรับ Neural Network Trainin (จำนวนลบหมายถึงเปอร์เซ็นต์) |
| ntst | จำนวนโครงสร้างที่ใช้สำหรับการทดสอบเครือข่ายประสาท (จำนวนลบหมายถึงเปอร์เซ็นต์) |
| nnnn | จำนวนเลเยอร์ที่ซ่อนอยู่ในเครือข่ายประสาท (ไม่รวมเวกเตอร์อินพุตและเซลล์ประสาทเอาท์พุท) |
| nnnu | จำนวนเซลล์ประสาทในเลเยอร์ที่ซ่อนอยู่ |
| nngt | ประเภทฟังก์ชั่นการเปิดใช้งานสำหรับเซลล์ประสาทของเลเยอร์ที่ซ่อนอยู่ (0) เชิงเส้น (1) tanh |
| ทำให้เป็นนกกระยาง | แยกวิเคราะห์เฉพาะส่วนของโครงสร้างพลังงานต่ำสุดนี้ จาก 0 ถึง 1 |
| fmax | จะไม่แยกวิเคราะห์ข้อมูลด้วยแรงที่ใหญ่กว่าค่านี้ |
| vmin | จะไม่แยกวิเคราะห์ข้อมูลด้วยปริมาณ/อะตอมที่เล็กกว่าค่านี้ |
| Vmax | จะไม่แยกวิเคราะห์ข้อมูลด้วยปริมาณ/อะตอมที่ใหญ่กว่าค่านี้ |
| สิ่งที่ไม่ได้ทำ | มิติของเซลล์หน่วยในการค้นหาวิวัฒนาการและการเพิ่มประสิทธิภาพเซลล์ (3) คริสตัล (2) ฟิล์ม (0) อนุภาค |
| Lox | มิติกล่องสำหรับการสร้างอนุภาคในการค้นหาวิวัฒนาการใน Angs (ไม่สนใจผลึก) |
| NPOP | ขนาดประชากรในการค้นหาวิวัฒนาการ |
| sitr | เริ่มต้นการทำซ้ำในการค้นหาวิวัฒนาการ (0) เริ่มจากโครงสร้างแบบสุ่มหรือที่ระบุ |
| ไนเตรท | จำนวนการวนซ้ำในการค้นหาวิวัฒนาการ (ควรมีขนาดใหญ่กว่า SITR) |
| Tini | ประเภทของการเริ่มต้นการค้นหาวิวัฒนาการเมื่อ sitr = 0 |
| เวลา | เวลาสูงสุดสำหรับการผ่อนคลายเซลล์ในการค้นหาวิวัฒนาการและการเพิ่มประสิทธิภาพเซลล์ |
| PGPA | ความดันในเกรดเฉลี่ย |
| ดีน | จัดเก็บโครงสร้างที่แตกต่างที่สร้างขึ้นในการค้นหาวิวัฒนาการในพูล/ถ้าอยู่ในหน้าต่างพลังงาน/อะตอม (eV/atom) นี้จากสถานะพื้นดิน |
| KMSH | ความหนาแน่น K-mesh ที่ใช้สำหรับ VASP-EVOS ค่าที่แนะนำ: 0.30 สำหรับ S/C, 0.05 สำหรับโลหะ |
| เมล็ด | เริ่มต้นเมล็ดพันธุ์สำหรับตัวสร้างตัวเลขสุ่มในการค้นหาวิวัฒนาการ (0) ใช้เวลาเป็นเมล็ด (+) ค่าเมล็ด |
| แรน | เริ่มต้นเมล็ดพันธุ์สำหรับการแยกวิเคราะห์ชุดข้อมูล (0) ใช้เวลาเป็นเมล็ด (+) ค่าเมล็ด (-) ไม่มีการสุ่ม: โครงสร้างถูกแยกวิเคราะห์ตามลำดับรายการ |
| tmin | อุณหภูมิต่ำสุดในการทำงานของ MD (K) |
| tmax | อุณหภูมิสูงสุดในการทำงาน MD (k) |
| TSTP | ขั้นตอนอุณหภูมิใน MD Runs (k) ในรูปแบบการทำงาน tmin ไปยัง tmax |
| เจาะลึก | ขั้นตอนเวลาใน MD ทำงาน |
| NSTP | จำนวนขั้นตอนต่ออุณหภูมิใน MD ทำงาน |
| CPLT | การมีเพศสัมพันธ์ค่าคงที่ในอุณหภูมิจมูก-รูโอเวอร์สำหรับการทำงานของ MD แนะนำ: 25.0 |
| CPLP | ค่าคงที่การมีเพศสัมพันธ์ใน Brendsen Barostat สำหรับการวิ่ง MD แนะนำ: 100.0 |
| ICMP | การบีบอัดความร้อนใต้พิภพใน Brendsen Barostat สำหรับการทำงาน MD (ใน 1/GPA) |
| การเคลื่อนไหว | จำนวนขั้นตอนหลังจากที่สแน็ปช็อตของโครงสร้างจะถูกบันทึกในระหว่างการรัน MD |
| MDTP | MD Run Type (10) NVE (20) NVT: Nose-Hoover (30) NPT: Nose-Hoover และ Brendsen (40) Isobaric (11,21,31,41) วิ่งด้วย velocisities อ่านจากไฟล์ poscar จากไฟล์ poscar |
| Depo | พา ธ ไปยังชุดข้อมูล DFT ที่จะแยกวิเคราะห์ |
| ข้อมูล | ตำแหน่งของข้อมูลที่แยกวิเคราะห์เพื่อแยกวิเคราะห์หรืออ่านเพื่อการฝึกอบรม (จะถูกเขียนทับระหว่างการแยกวิเคราะห์) |
| otpt | ไดเรกทอรีสำหรับการจัดเก็บพารามิเตอร์โมเดลในกระบวนการฝึกอบรม |
| การประเมิน | ไดเรกทอรีสำหรับข้อมูลการทดสอบแบบจำลอง |
| WDIR | ไดเรกทอรีการทำงานสำหรับการค้นหาวิวัฒนาการ MD Runs ฯลฯ |
| เครื่องราง | สัดส่วนของโครงสร้างที่สร้างขึ้นแบบสุ่มโดยใช้การทำงานของ Tetris จาก 0 ถึง 1 |
| plnt | สัดส่วนของโครงสร้างที่เกิดจากเมล็ด จาก 0 ถึง 1 |
| หีบห่อ | สัดส่วนของโครงสร้างที่สร้างขึ้นจากโครงสร้างแบบปิดแพ็ค จาก 0 ถึง 1 |
| หยด | สัดส่วนของโครงสร้างที่สร้างขึ้นแบบสุ่มโดยใช้รูปร่างของหยด จาก 0 ถึง 1 |
| เพื่อน | สัดส่วนของโครงสร้างที่สร้างขึ้นโดยครอสโอเวอร์โดยใช้สองครึ่งจากผู้ปกครองแต่ละคน จาก 0 ถึง 1 |
| แลกเปลี่ยน | สัดส่วนของโครงสร้างที่เกิดจากครอสโอเวอร์โดยใช้แกนและเปลือกของผู้ปกครอง จาก 0 ถึง 1 |
| ร่อง | สัดส่วนของโครงสร้างที่เกิดจากการทำงานของลูกบาศก์ของรูบิค จาก 0 ถึง 1 |
| ก้นหอย | สัดส่วนของโครงสร้างที่สร้างขึ้นโดยความสมมาตรผ่านการสะท้อน จาก 0 ถึง 1 |
| Invs | สัดส่วนของโครงสร้างที่สร้างขึ้นโดยความสมมาตรผ่านการผกผัน จาก 0 ถึง 1 |
| สับ | สัดส่วนของโครงสร้างที่เกิดจากการสับเพื่อสร้างแง่มุม จาก 0 ถึง 1 |
| ปิดเสียง | สัดส่วนของโครงสร้างที่เกิดจากการบิดเบือนแบบสุ่มไปยังโครงสร้าง จาก 0 ถึง 1 |
| MCRS | อัตราการกลายพันธุ์ 0.50 ในครอสโอเวอร์ |
| SCRS | 0.00 ครอสโอเวอร์: อัตราการแลกเปลี่ยน |
| LCRS | 0.00 ครอสโอเวอร์: ความแข็งแรงการกลายพันธุ์สำหรับเวกเตอร์ขัดแตะ |
| ACRS | 0.10 ครอสโอเวอร์: ความแข็งแรงการกลายพันธุ์สำหรับตำแหน่งอะตอม |
| SDST | 0.00 การบิดเบือน: อัตราการแลกเปลี่ยน |
| LDST | 0.00 การบิดเบือน: ความแข็งแรงการกลายพันธุ์สำหรับเวกเตอร์ขัดแตะ |
| โฆษณา | 0.20 การบิดเบือน: ความแข็งแรงการกลายพันธุ์สำหรับตำแหน่งอะตอม |
| ELPS | 0.30 แบบสุ่ม: รูปไข่อนุภาคนาโน |
