我一直在研究这个函数,它生成了我正在开发的模拟代码所需的一些参数,并且已经在增强其性能方面遇到了障碍.

对代码进行分析表明,这是主要的瓶颈,因此我可以对其进行的任何增强都会很小.

我想尝试对这个函数的部分进行矢量化,但我不确定它是否可行.

主要的挑战是存储在我的数组参数中的参数取决于参数的索引.我看到的唯一直接的解决方案是使用np.ndenumerate,但这看起来很慢.

是否可以对这种类型的操作进行矢量化,其中存储在数组中的值取决于它们存储的位置？或者创建一个只给我数组索引的元组的生成器会更聪明/更快？

import numpy as np

from scipy.sparse import linalg as LA

def get_params(num_bonds,energies):

"""

Returns the interaction parameters of different pairs of atoms.

Parameters

----------

num_bonds : ndarray,shape = (M,20)

Sparse array containing the number of nearest neighbor bonds for

different pairs of atoms (denoted by their column) and next-

nearest neighbor bonds. Columns 0-9 contain nearest neighbors,10-19 contain next-nearest neighbors

energies : ndarray,)

Energy vector corresponding to each atomic system stored in each

row of num_bonds.

"""

# -- Compute the bond energies

x = LA.lsqr(num_bonds,energies,show=False)[0]

params = np.zeros([4,4,4])

nn = {(0,0): x[0],(1,1): x[1],(2,2): x[2],(3,3): x[3],(0,1): x[4],0): x[4],2): x[5],0): x[5],3): x[6],0): x[6],2): x[7],1): x[7],3): x[8],1): x[8],3): x[9],2): x[9]}

nnn = {(0,0): x[10],1): x[11],2): x[12],3): x[13],1): x[14],0): x[14],2): x[15],0): x[15],3): x[16],0): x[16],2): x[17],1): x[17],3): x[18],1): x[18],3): x[19],2): x[19]}

"""

params contains the energy contribution of each site due to its

local environment. The shape is given by the number of possible atom

types and the number of sites in the lattice.

"""

for (i,j,k,l,m,jj,kk,ll,mm),val in np.ndenumerate(params):

params[i,mm] = nn[(i,j)] + nn[(i,k)] + nn[(i,l)] + \

nn[(i,m)] + nnn[(i,jj)] + \

nnn[(i,kk)] + nnn[(i,ll)] + nnn[(i,mm)]

return np.ascontiguousarray(params)