分子动力学模拟之基于自动微分的LINCS约束

Python微信订餐小程序课程视频

https://edu.csdn.net/course/detail/36074

Python实战量化交易理财系统

https://edu.csdn.net/course/detail/35475目录

• 技术背景
• 初始化坐标参数
• 坐标的更新
• 定义成键关系
• LINCS算法
• LINCS算法原理以及代码实现思路
  • 注意事项一
  • 注意事项二
  • 注意事项三
  • 注意事项四
  • 注意事项五
  • 总结
• 总结概要
• 版权声明
• 参考链接

---

回到顶部# 技术背景

在分子动力学模拟的过程中，考虑到运动过程实际上是遵守牛顿第二定律的。而牛顿第二定律告诉我们，粒子的动力学过程仅跟受到的力场有关系，但是在模拟的过程中，有一些参量我们是不希望他们被更新或者改变的，比如稳定的OH键的键长就是一个不需要高频更新的参量。这时就需要在一次不加约束的更新迭代之后（如Velocity-Verlet算法等），再施加一次约束算法，重新调整更新的坐标，使得规定的键长不会产生较大幅度的变更。

回到顶部# 初始化坐标参数

为了实现LINCS这一算法，我们先初始化一组随机的坐标用于测试，比如我们测试一个10原子的体系：

1
2
3
4
5
6
7
8
9
10
11
# constrain.py
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)
N = 10
crd = np.random.random((N, 3))

plt.figure()
plt.plot(crd[:,0], crd[:,1], 'o', color='black')
plt.savefig('initial.png')

初始化的体系效果如下，这是一个仅观测x-y平面的投影的结果（因为二维的投影在可视化上方便一些）：

回到顶部# 坐标的更新

参考牛顿定律，我们也用随机的方法产生一组初始速度，用于定义原子体系下一步的运动，再定义一个时间步长，我们就可以获取到下一步的体系坐