Hacktoberfest 2026：维护者为十月标记出来的 issue，仍然开放、适合新手。 浏览 Hacktoberfest issue

reduce computational cost

未关闭
  • 哪里不对？
#32 0 条评论 0 个 reaction 已指派 0 人 在 GitHub 查看

还没有人认领这个 Issue。

评估

难度
5/5
预计耗时
一周以上
新手友好度
35/100
Issue 类型
功能
描述清晰度
基本清楚
活跃度
停滞
技术栈
python
领域
performance

调研方向

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.

由索引模型根据 Issue 内容生成。

描述

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
主要语言
Python
星标
51
派生
19
30 天内没有已合并 PR

环境准备

这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。

从这里开始

  1. 先读完整个 Issue，再读项目的贡献指南。
  2. 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
  3. Fork 仓库，在一个分支上完成修改。
  4. 提交 Pull Request，并在描述里引用这个 Issue 编号。

ReactionMechanismGenerator/AutoTST 的其他 Issue

查看 ReactionMechanismGenerator/AutoTST 的全部 Issue

相似的 Issue

更多 Python Issue

把新 issue 发到你的邮箱

精选适合新手参与的 GitHub issue 摘要。