第四讲运动方程的积分算法.pptVIP

演示文稿第四讲运动方程的积分算法 目前一页\总数二十九页\编于九点 第四讲运动方程的积分算法ppt课件 目前二页\总数二十九页\编于九点 积分运动方程的注意点 何为一个好的运动方程积分算法？ 但这并不是很贴切，因为花在积分运动方程上的时间分率（相对于计算相互作用来说）很小，至少对原子或简单分子体系是这样。 计算速度？？ 准确度对较大的时间步长来说更重要，因为所能使用的时间步长越长，单位时间内力的计算量越少。因此，这意味着采用允许用长时间步长的成熟算法是有利的。（然而，保证准确度，不允许发散） 准确度？？ 目前三页\总数二十九页\编于九点 积分运动方程的注意点 要想获得允许使用长时间步的算法，必须将信息存储在粒子坐标的较高阶导数中。结果是这需要更多的内存。对于一个通常的模拟来说，这并不是一个严重的缺点。因为除非处理很大的体系，存储这些导数所需的内存与即便是在一个通常的工作站上所能获取的总量相比来说仍是很小。 节省内存？？ 能量守恒是一个重要的判据，但实际上需要区分两种能量守恒，即短时间的和长时间的。复杂的高阶算法通常在短时间内（如在几个时间步内）有很好的能量守恒性，然而该方法通常会有所不期望的特征，即时间较长时总能量漂移。（不一定最好） 能量守恒？？ 目前四页\总数二十九页\编于九点 积分运动方程的注意点 最好有一个算法能同时在短时间和长时间准确地预测所有粒子的轨迹。 不存在 MD模拟所研究的所有体系，体系的轨迹穿过相空间（即对于用由所有粒子坐标和动量所跨过的6N维空间）时敏感地依赖于初始条件。 这意味着两个初始靠得很近的轨迹随时间的演绎将会显著分开。 李雅普诺夫不稳定性 MD获得的轨迹在某种意义上与真实的轨迹相接近。 MD的目标并不是精确地预测一个已知初始条件的体系轨迹将会发生什么（卫星轨道预测）。而对统计预测感兴趣。在MD中，统计预测是足够精确的。 目前五页\总数二十九页\编于九点 标准Verlet算法 Verlet提出的Verlet算法在分子动力学中应用最为广泛。 由Taylor公式展开有： 位移 + 目前六页\总数二十九页\编于九点 标准Verlet算法 由Taylor公式展开有： 速度 在典型分子动力学模拟中，只有原子的初始位置和初始速度是给定的，而在verlet算法中，计算下一步的原子的位置需要前两步的信息。 那么如何采用verlet算法计算第二个时间步的原子位置呢？ 不出现在算法中。 - 目前七页\总数二十九页\编于九点 解决方法一是，在第二个时间步中，把该步力看成常量，且使用普通运动学方程: 标准Verlet算法 解决方法二是 目前八页\总数二十九页\编于九点 流程 标准Verlet算法 目前九页\总数二十九页\编于九点 标准Verlet算法 加速度项 目前十页\总数二十九页\编于九点 Leap-frog算法 对标准Verlet算法进行改进而得到的蛙跳算法(Leapfrog methods)。相比标准Verlet算法，它有两个优点。 一、包含显式速度项。 二、计算量稍小。 缺点 原子的位置与速度计算不同步，这就意味着在确定位置时，不能同时计算体系的动能，给模拟过程带来不便。 目前十一页\总数二十九页\编于九点 Leap-frog算法 目前十二页\总数二十九页\编于九点 速度Verlet算法 目前十三页\总数二十九页\编于九点 速度Verlet算法 Velocity-Verlet算法不仅可以获得相同精度的原子位置和速度量，给出了显式的速度项，而且在每步积分中只需要存储一个时刻的状态变量，模拟稳定性好，允许采用较大的时间步长，计算量适中，因而在分子动力学方程的积分算法中得到了最广泛的应用。 目前十四页\总数二十九页\编于九点 Gear预测校正法 预测校正法是分子动力学模拟中的常用算法之一，其基本思想是Taylor展开，这种算法包含三个部分。 第一步，利用泰勒展开预测下一时刻的位置及其一阶、二阶、三阶导数： 式中v、a、b、c分别是位置矢量r的一阶、二阶、三阶和四阶导数。 目前十五页\总数二十九页\编于九点 Gear预测校正法 第二步根据新的原子位子rp，计算受力以及修正加速度ac(t+? t)。定义预测误差 第三步根据加速度的预测误差对各预测量进行修正： 目前十六页\总数二十九页\编于九点 预测－校正法允许的时间步长比其它算法长两倍以上 每个积分步内要计算两次体系势能，以得到原子间相互作用力。 该算法的稳定差，能量波动较大，较verlet算法占用更多的内存。 Gear预测校正法 目前十七页\总数二十九页\编于九点 时间步长 Too long - errors result from approximations Just right - errors acceptable, maximum speed