Диссипативная динамика частиц - Dissipative particle dynamics

Динамика диссипативных частиц ( DPD ) - это метод стохастического моделирования для моделирования динамических и реологических свойств простых и сложных жидкостей. Первоначально он был разработан Хугербрюгге и Кёльманом, чтобы избежать артефактов решетки так называемых решеточных газовых автоматов и заняться гидродинамическими временными и пространственными масштабами, выходящими за рамки тех, которые доступны в молекулярной динамике (МД). Впоследствии он был переработан и немного модифицирован П. Эспаньолом для обеспечения надлежащего состояния теплового равновесия. Представлен ряд новых алгоритмов DPD с уменьшенной вычислительной сложностью и улучшенным контролем транспортных свойств. Алгоритмы, представленные в этой статье, случайным образом выбирают парную частицу для применения термостатирования DPD, что снижает вычислительную сложность.

DPD - это метод мезоскопического моделирования вне решетки, который включает набор частиц, движущихся в непрерывном пространстве и дискретном времени. Частицы представляют собой целые молекулы или области жидкости, а не отдельные атомы, и атомистические детали не считаются имеющими отношение к рассматриваемым процессам. Внутренние степени свободы частиц интегрируются и заменяются упрощенными попарными диссипативными и случайными силами, чтобы локально сохранить импульс и гарантировать правильное гидродинамическое поведение. Основное преимущество этого метода заключается в том, что он дает доступ к более длинным масштабам времени и длины, чем это возможно при использовании обычных МД-моделирования. Моделирование полимерных жидкостей в объемах до 100 нм в линейном измерении в течение десятков микросекунд стало обычным явлением.

Уравнения

Полная несвязанная сила, действующая на DPD-частицу i , определяется суммой трех попарно-аддитивных сил по всем частицам j, которые лежат в пределах фиксированного расстояния отсечки:

где первый член в приведенном выше уравнении представляет собой консервативную силу, второй - диссипативную силу, а третий - случайную силу. Консервативная сила действует, чтобы дать шарикам химическую идентичность, в то время как рассеивающие и случайные силы вместе образуют термостат, который поддерживает постоянную среднюю температуру системы. Ключевым свойством всех несвязанных сил является то, что они локально сохраняют импульс, так что гидродинамические режимы жидкости возникают даже при небольшом количестве частиц. Для сохранения локального импульса необходимо, чтобы случайная сила между двумя взаимодействующими шариками была антисимметричной. Поэтому для каждой пары взаимодействующих частиц требуется только одно вычисление случайной силы. Это отличает DPD от броуновской динамики, в которой каждая частица испытывает случайную силу независимо от всех других частиц. Бусинки можно соединить в «молекулы», связав их вместе мягкими (часто гуковскими) пружинами. Наиболее распространенные применения DPD поддерживают постоянство количества частиц , объема и температуры, и поэтому имеют место в ансамбле NVT. В качестве альтернативы давление вместо объема поддерживается постоянным, так что моделирование выполняется в ансамбле NPT.

Распараллеливание

В принципе, моделирование очень больших систем, приближающихся к кубическому микрону за миллисекунды, возможно с использованием параллельной реализации DPD, работающей на нескольких процессорах в кластере в стиле Беовульфа . Поскольку несвязанные силы в DPD ограничены, можно очень эффективно распараллелить код DPD, используя технику разложения в пространственной области. В этой схеме все пространство моделирования разделено на несколько кубовидных областей, каждая из которых назначена отдельному процессору в кластере. Каждый процессор отвечает за интеграцию уравнений движения всех бусинок, центры масс которых лежат в его области пространства. Только бусинки, лежащие вблизи границ пространства каждого процессора, требуют связи между процессорами. Для обеспечения эффективности моделирования решающее требование состоит в том, чтобы количество взаимодействий между частицами, требующих межпроцессорной связи, было намного меньше, чем количество взаимодействий частица-частица в основной части области пространства каждого процессора. Грубо говоря, это означает, что объем пространства, предназначенный для каждого процессора, должен быть достаточно большим, чтобы его площадь поверхности (умноженная на расстояние, сравнимое с расстоянием отсечки силы) была намного меньше его объема.

Приложения

С помощью DPD было смоделировано большое количество сложных гидродинамических явлений, список здесь обязательно неполный. Часто цель такого моделирования состоит в том, чтобы связать макроскопические неньютоновские свойства потока жидкости с ее микроскопической структурой. Такие приложения DPD варьируются от моделирования реологических свойств бетона до моделирования образования липосом в биофизике и до других недавних трехфазных явлений, таких как динамическое смачивание.

Метод DPD также нашел популярность при моделировании гетерогенных многофазных потоков, содержащих деформируемые объекты, такие как клетки крови и полимерные мицеллы.

дальнейшее чтение

Полная информация о развитии различных важных аспектов методологии DPD с момента ее первого предложения в начале 1990-х годов может быть найдена в «Динамике диссипативных частиц: введение, методология и сложные жидкостные приложения - обзор».

Современное состояние DPD было отражено на семинаре CECAM в 2008 году. Представленные на нем нововведения в технологии включают DPD с энергосбережением; нецентральные силы трения, позволяющие регулировать вязкость жидкости; алгоритм предотвращения пересечения связей между полимерами; и автоматическая калибровка параметров взаимодействия DPD из атомистической молекулярной динамики . Недавно были показаны примеры автоматической калибровки и параметризации в сравнении с экспериментальными наблюдаемыми. Кроме того, были изучены наборы данных с целью калибровки и параметризации потенциала взаимодействия. Свуп и др. Представили подробный анализ литературных данных и экспериментального набора данных на основе критической концентрации мицелл (CMC) и среднего числа агрегации мицелл (N ag ). Примеры мицеллярного моделирования с использованием DPD были хорошо задокументированы ранее.

Рекомендации

  1. ^ Hoogerbrugge, P. J; Кельман, JMV A (1992). "Моделирование микроскопических гидродинамических явлений с помощью диссипативной динамики частиц". Письма Europhysics (EPL) . 19 (3): 155–160. Bibcode : 1992EL ..... 19..155H . DOI : 10.1209 / 0295-5075 / 19/3/001 . ISSN   0295-5075 .
  2. ^ Koelman, JMV A; Hoogerbrugge, P.J (1993). «Динамическое моделирование подвесов твердых сфер при постоянном сдвиге». Письма Europhysics (EPL) . 21 (3): 363–368. Bibcode : 1993EL ..... 21..363K . DOI : 10.1209 / 0295-5075 / 21/3/018 . ISSN   0295-5075 .
  3. ^ Español, P; Уоррен, П. (1995). «Статистическая механика динамики диссипативных частиц». Письма Europhysics (EPL) . 30 (4): 191–196. Bibcode : 1995EL ..... 30..191E . DOI : 10.1209 / 0295-5075 / 30/4/001 . ISSN   0295-5075 . S2CID   14385201 .
  4. ^ Гога, N .; Rzepiela, AJ; де Фриз, AH; Марринк, SJ; Берендсен, HJC (2012). «Эффективные алгоритмы для динамики Ланжевена и DPD» . Журнал химической теории и вычислений . 8 (10): 3637–3649. DOI : 10.1021 / ct3000876 . ISSN   1549-9618 . PMID   26593009 .
  5. ^ Джеймс С. Симс и Никос С. Мартис: Моделирование реологических свойств бетона
  6. ^ Петри Nikunen, Микко Karttunen и Ilpo Vattulainen: образование Моделирования липосом в биофизике архивация июля 22, 2007, в Wayback Machine
  7. ^ Б. Хенрих, К. Купелли, М. Мозелер и М. Сантер ": клейкая модель стены DPD для динамического смачивания, Europhysics Letters 80 (2007) 60004, стр.1
  8. ^ Блумерс, Ансель; Тан, Ю-Ханг; Ли, Чжэнь; Ли, Сюэцзинь; Карниадакис, Джордж (август 2017 г.). «Моделирование красных кровяных телец с ускорением на GPU с динамикой транспортных диссипативных частиц» . Компьютерная физика . 217 : 171–179. arXiv : 1611.06163 . Bibcode : 2017CoPhC.217..171B . DOI : 10.1016 / j.cpc.2017.03.016 . PMC   5667691 . PMID   29104303 .
  9. ^ Тан, Ю-Ханг; Ли, Чжэнь; Ли, Сюэцзинь; Дэн, Минге; Карниадакис, Джордж (2016). «Неравновесная динамика везикул и мицелл при самосборке блок-сополимеров с двойной термочувствительностью». Макромолекулы . 49 (7): 2895–2903. Bibcode : 2016MaMol..49.2895T . DOI : 10.1021 / acs.macromol.6b00365 .
  10. ^ Moeendarbary; и другие. (2009). «Динамика диссипативных частиц: введение, методология и сложные жидкостные приложения - обзор». Международный журнал прикладной механики . 1 (4): 737–763. Bibcode : 2009IJAM .... 1..737M . DOI : 10.1142 / S1758825109000381 . S2CID   50363270 .
  11. ^ Рассеивающие частицы Динамика: устранение недостатков и создание новых рубежей в архиве 2010-07-15 в Wayback Machine , CECAM семинар, 16-18 июля 2008 года, Лозанна, Швейцария.
  12. ^ МакДонах, Джеймс; и другие. (31 мая 2020 г.). «Что может сделать цифровизация для инноваций и разработки сформулированных продуктов» . Полимерный интернациональный . DOI : 10.1002 / pi.6056 .
  13. ^ McDonagh JL; и другие. (2019). «Использование машинного обучения для эффективной параметризации крупнозернистых молекулярных силовых полей» . Журнал химической информации и моделирования . 59 (10): 4278–4288. DOI : 10.1021 / acs.jcim.9b00646 . PMID   31549507 .
  14. ^ Обвалять туалет; и другие. (2019). «Задача согласовать экспериментальные мицеллярные свойства семейства неионных поверхностно-активных веществ C n E m ». Журнал физической химии B . 123 (7): 1696–1707. DOI : 10.1021 / acs.jpcb.8b11568 . PMID   30657322 .
  15. ^ Овьедо; и другие. (2013). «Критическая концентрация мицелл аммониевой соли посредством моделирования DPD с использованием параметров взаимодействия на основе COSMO-RS». Журнал Айше . 59 (11): 4413–4423. DOI : 10.1002 / aic.14158 .
  16. ^ Ryjkina; и другие. (2013). «Молекулярно-динамическое компьютерное моделирование фазового поведения неионных поверхностно-активных веществ». Angewandte Chemie International Edition . 41 (6): 983–986. DOI : 10.1002 / 1521-3773 (20020315) 41: 6 <983 :: АИД-ANIE983> 3.0.CO; 2-Y . PMID   12491288 .
  17. ^ Джонстон; и другие. (2016). «К стандартному протоколу моделирования мицелл» (PDF) . Журнал физической химии B . 120 (26): 6337–6351. DOI : 10.1021 / acs.jpcb.6b03075 . PMID   27096611 .

Доступные пакеты

Некоторые доступные пакеты моделирования, которые (также) могут выполнять моделирование DPD:

  • CULGI : унифицированный языковой интерфейс для химии, Culgi BV, Нидерланды
  • DL_MESO : программное обеспечение для мезомасштабного моделирования с открытым исходным кодом.
  • DPDmacs
  • ESPResSo : Extensible Simulation Package for the Research on Soft Matter Systems - Открытый исходный код
  • Fluidix : пакет моделирования Fluidix, доступный в OneZero Software.
  • GPIUTMD : графические процессоры для динамики многих частиц
  • Gromacs-DPD : модифицированная версия Gromacs, включая DPD.
  • HOOMD-blue : Высокооптимизированная объектно-ориентированная многочастичная динамика - Blue Edition
  • ЛАМПЫ
  • Materials Studio : Materials Studio - Моделирование и симуляция для изучения химических веществ и материалов, Accelrys Software Inc.
  • OSPREY-DPD : Механизм исследования полимеров с открытым исходным кодом-DPD
  • SYMPLER : бесплатное ПО для симулятора SYMbolic ParticLE от Университета Фрайбурга.
  • SunlightDPD : программное обеспечение DPD с открытым исходным кодом (GPL).

Внешние ссылки