You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
12 Chapitre 1 : Introduction générale<br />
1.2.2 Présentation du travail réalisé<br />
Ce travail présente quelques contributions visant à améliorer la justication<br />
mathématique et étendre le domaine d'utilisation de MDD.<br />
Tout d'abord, on établit dans le chapitre 2 une preuve de convergence de l'algorithme.<br />
On ne s'intéresse pas à la pertinence du problème approché (1.16)<br />
comme moyen de calculer la matrice densité mais à la capacité de l'algorithme<br />
MDD pour minimiser (1.16). En fait, le résultat est établi pour un problème<br />
qui n'est pas tout à fait de la forme (1.16) mais qui présente les mêmes dif-<br />
cultés mathématiques : la minimisation d'une fonctionnelle séparable avec<br />
contraintes d'orthogonalité. On montre que, à extraction près, les itérés de<br />
MDD convergent vers un point stationnaire, pourvu que l'itéré initial soit suisamment<br />
proche de la solution. Des tests numériques sur ce problème simplié<br />
conrment la preuve de convergence.<br />
Dans les chapitres 3 et 4, on reste dans le cadre des domaines alignés : la<br />
parallélisation eective du code développé au cours de la thèse de Maxime<br />
Barrault révèle que l'algorithme a une très bonne scalabilité jusqu'à 1000 processeurs.<br />
De plus, quelques modications dans les algorithmes utilisés pour la<br />
résolution de chaque étape de MDD permettent d'améliorer signicativement<br />
les performances. Enn, on montre, sur des tests numériques, qu'il est nécessaire<br />
de relaxer la contrainte d'orthogonalité entre les orbitales moléculaires.<br />
C'est la localisation des orbitales qui conduit à introduire cette tolérance. En<br />
eet, d'une part, la preuve de convergence du chapitre 2 est obtenue sans introduire<br />
d'écart à l'orthogonalité et la diérence essentielle entre le problème<br />
simplié de cette preuve et le problème (1.16) est la localisation des vecteurs.<br />
D'autre part, on met en évidence cette relation entre localisation et écart à<br />
l'orthogonalité sur des tests numériques dans le chapitre 4.<br />
Dans le chapitre 5, l'algorithme est étendu aux cas où on enlève toute contrainte<br />
sur la position relative des domaines, ce qui permet de simuler des<br />
situations où la répartition des atomes est homogène dans les trois directions<br />
de l'espace. On présente dans un premier temps comment on peut généraliser<br />
l'étape globale à ce cas. La n du chapitre est consacrée à la description de<br />
l'implémentation.<br />
Choix des cas tests dans la thèse. Dans ce document, toutes les simulations<br />
numériques sont faites à matrice H xée. <strong>Le</strong>s matrices utilisées correspondent :<br />
soit à des matrices obtenues à convergence de la boucle SCF pour un modèle<br />
Restricted Hartree-Fock,<br />
soit à des matrices H et S intervenant dans un modèle semi-empirique (Extended<br />
Hückel Theory [41]) où la matrice de Fock est paramétrée. Il est reconnu<br />
que les matrices de Fock des modèles semi-empiriques ont les mêmes<br />
caractéristiques numériques que les matrices rencontrées au cours de la boucle<br />
SCF [14,55].