平滑的粒子网 Ewald 集成的随机的 兰佐斯多体分散算法
Pier Paolo Poier1, Louis Lagardère1,2, Jean-Philip Piquemal1,3
1Laboratoire de Chimie Théorique, Sorbonne Université, 75005 Paris, France.
一个新的随机兰佐斯算法公式增强了多体分散 (MBD) 建模. 它有效地处理周期性边界条件,优于用于准确的远程相互作用的旧方法.
科学领域:
- 计算化学计算化学
- 材料科学 材料科学 材料科学
- 理论物理 理论物理
背景情况:
- 多体分散 (MBD) 模型对于准确模拟分子间力量至关重要.
- 在 MBD 中处理周期性边界条件在计算上具有挑战性,通常会限制准确性和效率.
- 像复制方法这样的现有方法在长距离相互作用方面存在缓慢的融合问题.
研究的目的:
- 开发用于MBD计算的随机兰佐斯算法的改进公式.
- 为了使 MBD 内的周期性边界条件能够有效和准确地处理.
- 克服现有方法在处理远程相互作用方面的局限性.
主要方法:
- 推导一种替代的随机兰佐斯算法公式.
- 为周期性边界条件引入通用双极和场.
- 与O ((Nlog ((N)) 平滑粒子网格Ewald (SPME) 方法的集成,使用快速里埃变换.
主要成果:
- 新的SPME-Lanczos算法显著优于标准复制方法.
- 在远程周期性边界条件下实现了大幅提高的收率.
- 在MBD中证明了长距离相互作用的有效和可靠的纳入.
结论:
- 拟议的算法为定期的MBD计算提供了一种最先进的方法.
- 它继承了原来的斯托卡斯蒂克兰佐斯方案的可扩展性的并行性.
- 在MBD中实现完全融合和高效的周期性边界条件处理.
更多相关视频
10:10Three-Dimensional Particle Shape Analysis Using X-ray Computed Tomography: Experimental Procedure and Analysis Algorithms for Metal Powders
Published on: December 4, 2020
06:41Author Spotlight: Optimizing Cryo-EM Analysis with CryoSieve for Enhanced Particle Selection Efficiency
Published on: May 10, 2024
相关概念视频
Equilibrium Conditions for a Particle
To understand the concept of equilibrium, let us first consider the forces acting on an object. When different forces act on an object, they can...
First Law: Particles in One-dimensional Equilibrium
First Law: Particles in Two-dimensional Equilibrium
Newton's first law tells us about...
Distribution and Dispersion
Maxwell-Boltzmann Distribution: Problem Solving
This distribution function f(v) is defined by saying that the expected number N (v1,v2) of particles with speeds between v1 and v2 is given by
Principle of Linear Impulse and Momentum for a Single Particle: Problem Solving
