20
Wykład 16 Symulacje a mechanika statystyczna

Wykład 16 Symulacje a mechanika statystyczna

  • Upload
    mulan

  • View
    76

  • Download
    0

Embed Size (px)

DESCRIPTION

Wykład 16 Symulacje a mechanika statystyczna. Monte Carlo: algorytm Metropolisa. Konfiguracja X o , energia E o. Zaburz konfigurację X o : X 1 = X o + D X. Oblicz nową energię (E 1 ). NIE. E 1 Y?. TAK. - PowerPoint PPT Presentation

Citation preview

Page 1: Wykład  16 Symulacje a mechanika statystyczna

Wykład 16

Symulacje a mechanika statystyczna

Page 2: Wykład  16 Symulacje a mechanika statystyczna

Zaburz konfigurację Xo: X1 = Xo + DX

Oblicz nową energię (E1)

Konfiguracja Xo, energia Eo

E1<Eo ?

Wylosuj Y z U(0,1)

Oblicz W=exp[-(E1-Eo)/kT]

W>Y?

Xo=X1, Eo=E1

NIE

TAK

TAK

NIE

Monte Carlo: algorytm Metropolisa

Page 3: Wykład  16 Symulacje a mechanika statystyczna

E0

E1

Akceptacja z prawdopodobieństwem exp[-(E2-E1)/kBT]

E1

Bezwzględna akceptacja

Page 4: Wykład  16 Symulacje a mechanika statystyczna

Dynamika molekularna

DDD

2

00

00

2

2

2

2

)(21)()(

,,2,1),(

,,2,1,)(1)()(

ttttttt

tt

nitdtd

xV

dtxdm

nitVmm

ttdt

ddtd

ii

i

i

ii

ii

iii

avrr

vvrr

vr

rrFavrr

Page 5: Wykład  16 Symulacje a mechanika statystyczna

Sprzężenie z termostatem (metoda Berendsena)

D

n

iziyixiik

k

vvvmE

EfkTtvv

1

222

21

11

f – liczba stopni swobody (3n)

– parametr sprzężenia

Dt – krok czasowy

Ek – energia kinetyczna

Page 6: Wykład  16 Symulacje a mechanika statystyczna

randi

ii

i

ii f

dtdx

xV

dtxdm

2

2

wwii rr )(6

)1,0(2 NtRTf irand

i D

Dynamika Langevina

prawo Stokesa

proces Wienera

randi

i

ii f

xE

dtdx

dynamika brownowska

Page 7: Wykład  16 Symulacje a mechanika statystyczna

Obliczanie średnich, wyższych momentów rozkładu z symulacji kanonicznych

2

11

2222

1

11

1

N

sii

N

sii

N

sii

AsN

AsN

AAA

AsN

A

Indeks i przebiega przez wszystkie kroki metody Monte Carlo lub dynamiki molekularnej, z wyjątkiem okresu równowagowania (s kroków).

Zaleta: metoda jest prosta i oczywista, nie wymaga sztuczek matematycznych.

Wada: na ogół mała wiarygodność wyników (niezbieżność).

Page 8: Wykład  16 Symulacje a mechanika statystyczna

Przykład: energia i pojemność cieplna

2

11

22

22

1

1111

1

N

sii

N

siiV

N

sii

EsN

EsNRT

ERT

C

EsN

EU

s

<E>

<<E2>>

Page 9: Wykład  16 Symulacje a mechanika statystyczna

Symulacje kanoniczne prowadzi się w określonej temperaturze; jeżeli potrzebna jest zależność temperaturowa danej wielkości, należy przeprowadzić oddzielne symulacje w wielu temperaturach.

Page 10: Wykład  16 Symulacje a mechanika statystyczna

Obliczanie różnic energii swobodnej

d>dmax

A

d<dmax

B

A

BAB N

NRTF lnD

Page 11: Wykład  16 Symulacje a mechanika statystyczna

Pułapki: próbkowanie w przestrzeni niekartezjańskiej

a

b

Cząsteczkę obracamy najpierw wokół osi z o kąt a potem wokół osi x o kąt b i w końcu wokół osi z o kąt (kąty Eulera).

Przy próbkowaniu przestrzeni kątów należy albo do średniej wprowadzić czynnik korekcyjny sin b albo (lepiej) próbkować stany z wagą sin b.

Page 12: Wykład  16 Symulacje a mechanika statystyczna

Obliczanie energii swobodnej solwatacji: metoda wstawienia cząstki

iNiRT

RT 1,1expln

Zbieżność obliczania energii solwatacji atomu neonu w zależności od liczby wstawień cząsteczki na „klatkę” dynamiki molekularnej.Czaplewski et al., Molecular Physics, 103, 2005, 3153–3167

Page 13: Wykład  16 Symulacje a mechanika statystyczna

Metoda „umbrella sampling” (do obliczania potencjałów średniej siły)

d 20

21

iidi ddkdg

dgEV ii RR w i-tej symulacji MD

Potencjały „obciążające” (Vi) usuwa się z potencjału średniej siły metodą ważonych histogramów.

Page 14: Wykład  16 Symulacje a mechanika statystyczna

Metoda ważonych histogramów (WHAM)

kR

mmmm

kk Vd

Vfn

VdNdVP bb

bb

expexp

exp,,

1

d

ii dVPf ,,exp b

Powyższe równania iteruje się do uzgodnienia f1, f2,…, fm

nm jest całkowitą liczbą punktów w m-tym oknie, fm jest „bezwymiarową energią swobodną m-tego okna

Page 15: Wykład  16 Symulacje a mechanika statystyczna

Ph-Et (model of Phe)

Et-S-Prop (model of Phe)

isobutane (model of Val)

isopentane (model of Leu)

Page 16: Wykład  16 Symulacje a mechanika statystyczna

Metoda wymiany replik

• Symulujemy, przy użyciu MC lub MD, N niezależnych trajektorii

• Co M kroków MC/MD, wymieniamy temperaturę między trajektoriami, zgodnie z prawdopodobieństwem bolzmanowskim

zwykła

Y.Rhee V.Pande, Biophys. J. 84, 775, 2003

zwielokrotniona

ijijij EEP bbexp

Page 17: Wykład  16 Symulacje a mechanika statystyczna

krok

krok

krok

ener

gia

T T

ln(P

)

energia

Page 18: Wykład  16 Symulacje a mechanika statystyczna

10 20 40

80 160 320

energia

rms

300 350 400 500 600 700

temperatura

Niezależne symulacje kanoniczne

Page 19: Wykład  16 Symulacje a mechanika statystyczna

10 20 40

80 160 320

energia

rms

300 350 400 500 600 700

temperatura

Symulacje zwielokrotnionej wymiany replik

1E0G 48aa

Page 20: Wykład  16 Symulacje a mechanika statystyczna