分子动态模拟

概览

分子动力学代表原子或粗毛粒子作为坐标,速度和相互作用参数. 通过在许多小时间步骤中整合运动等式,它产生出可据以估计结构、波动性能和热力学观测值的轨迹。 应用范围从蛋白质配体和膜到电解物,聚合物质以及纳米材料等.

技术基础

古典力场以捆绑拉伸,弯曲和躯干相近的潜在能量外加无保值克洛姆布与伦纳德-琼斯术语. 参数适用于化学领域内的量子计算和实验。 牛顿传播使用速度活泼等算法;限制允许通过固定快质键振动来延长步. Ewald方法处理周期性电阻,断接需要一致的散射修正. 粗糙的模型组原子进入更大的尺度但能平滑地呈现出能量景观. Ab-initio动态在传播过程中以高得多的成本计算出电子结构。

如何运作

一个力场计算出捆绑术语和无束缚静电与分散相互作用. 综合器推进了位置和速度,而自动调温仪与巴罗塔相近于选定的统计综艺。 定期边界模仿散装材料,相邻列表加速短程力和专门方法处理长距电阻. 复制模拟和增强的抽样算法探索被大型自由能障碍所分离出的国家.

衡量和研究方法

在收集独立生产数据之前,一个可防腐的工作流程平衡地计算出温度、压力和密度。 共通性在复制品、起步相接和轨迹块之间进行评估。 结构可观测数据包括分布而非一幅快照;扩散、粘度和自由能需要具有有限尺寸和相关校正的估算器。 增强采样使用伞状潜力,复制交换或元动力学并再重取偏差数据. 实验比较可能涉及以明确的前向模型和模拟与测量的不确定性计算出分化曲线、化学相变或结合关系。

二. 主要想法

• 除非对取样、力场出错和不确定性进行评估,否则视似可信的轨迹就不是证据。
• 时间步、边界条件和组合控制改变计算所代表的物理过程。
• 模拟和实验在通过同样可测量的比较时,最能说明问题。

目前的研究领域

机器学习的原子间潜力在古典式的规模上寻求量子级精确度,但需要主动地去学和分流外探测. 常pH,活性能和可分化模型在增加参数与成本的同时会改善物理范围. 超大规模硬件可以使大型综艺节目得以进行,然而在生物学上相关的罕见事件仍需要适应性取样. 开放的问题包括可转移的力场,现实地膜和拥挤的环境以及束缚自由能可以再生出不确定性. 轨迹应同地貌,参数和分析代码一起存档因为没有精确的相互作用模型和协议坐标不足以被复制.

为什么它很重要

分子动力学在空间和时间分辨率上提供了难以实验得到的机械假设. 它支持药物的发现,材料设计和分光镜、显微相和散射测量的解释。

限制和未决问题

相对于许多生物和材料的过渡,可访问轨道仍然很短;经验力场省略了电子再分配. 初始结构、质子化和有限尺寸的选择可以主导结果;加强取样可改进勘探,但提出趋同与再加权要求。