Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

reduce computational cost

Aperta
#32 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
35/100
Tipo di issue
Funzionalità
Chiarezza
Abbastanza chiara
Stato di attività
Ferma
Stack tecnologico
python
Ambito
performance

Direzione di ricerca

Start by tracing the conformer-generation workflow through DFTB pruning, DFT shell optimization, and saddle-point searches. Define the staged workflow so loose-convergence energy checks remove high-energy conformers early and saddle-point searches run only on the remaining low-energy conformers; done means the workflow reduces computational cost without losing intended candidates.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

ideas to reduce computational cost:

  1. during shell minimizations, compare energies with loose convergence criteria to eliminate high energy conformers earlier in the process (don't run high energy conformers all the way down hill as they will be discarded anyways)
  2. only run saddle point searches on low energy conformers after shell optimization (instead of trying to find saddle points for all conformers)
  • generate conformers --> prune with DFTB (low level) --> prune with DFT shell opt (high level) --> run saddle point searched on remaining conformers
Lingua principale
Python
Stelle
51
Fork
19
Metriche di merge delle PR
Nessuna PR unita negli ultimi 30g

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di ReactionMechanismGenerator/AutoTST

Tutte le issue di ReactionMechanismGenerator/AutoTST

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.