在粗粒度模型中的可代表性和动态一致性
Manuel Palma Banos1, Alexander V Popov1, Rigoberto Hernandez1,2,3
1Department of Chemistry, Johns Hopkins University, Baltimore, Maryland 21218, United States.
这项研究引入了一种混合方法,通过定期交换细粒颗粒来改进粗粒模拟. 这确保了准确的扩散率,并保持了模拟尺度之间的动态一致性.
科学领域:
- 计算化学是一种计算化学.
- 分子动力学分子动力学
- 统计力学就是统计力学.
背景情况:
- 粗粒度 (CG) 模拟通过分组细粒度 (FG) 粒子来简化复杂的系统.
- 代表性和动态一致性是CG建模中的关键挑战.
- 现有的CG方法可能无法准确捕捉FG粒子的行为,特别是扩散.
研究的目的:
- 开发一种混合程序,以提高CG模拟中的代表性和动态一致性.
- 确保精确模拟FG粒子动力学,特别是扩散速率.
- 为了弥合FG和CG模拟尺度之间的差距.
主要方法:
- 实施了一种混合程序,包括定期交换FG粒子与CG粒子之间的FG粒子.
- 使用CG粒子向FG粒子的逆向映射进行重新分配.
- 在粒子交换过程中保证总质量和动量保持.
- 在混合CG框架中模拟了FG粒子,并将扩散率与全原子分子动力学 (AAMD) 进行了比较.
主要成果:
- 发现适当的特征交换时间能产生正确的FG粒子有效扩散率.
- 没有交换机制,FG粒子仍然局部在CG粒子内,降低了扩散速率.
- 与标准CG方法相比,提出的方法显示出更好的动态一致性,特别是在压缩流体系统中.
结论:
- 这项研究证实了解决CG粒子中FG粒子代表性的必要性.
- 一个简单的FG粒子交换机制有效地保持了FG和CG尺度之间的动态一致性.
- 这种方法为提高涉及粒子动态的CG模拟的准确性提供了可行的解决方案.
更多相关视频
09:17Structure-Based Simulation and Sampling of Transcription Factor Protein Movements along DNA from Atomic-Scale Stepping to Coarse-Grained Diffusion
Published on: March 1, 2022
10:44Inherent Dynamics Visualizer, an Interactive Application for Evaluating and Visualizing Outputs from a Gene Regulatory Network Inference Pipeline
Published on: December 7, 2021
相关概念视频
Mechanistic Models: Overview of Compartment Models
Modeling and Similitude
Constraints and Statical Determinacy
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
Multicompartment Models: Overview
These models offer a more comprehensive representation of drug behavior in the body than one-compartment models. They accommodate the complexity of drug distribution,...
Woodward–Hoffmann Selection Rules and Microscopic Reversibility
