蒙特卡洛方法 蒙特卡洛是一种优化方法 >通过蒙特卡洛算法来寻求能量最优点 >随机方法 >通过系综平均来求取宏观性质 模拟的是平衡状态，不涉及时间效应(KMC除外) 优点是可以跨越时间因素，缺点是得不到有关时间信息的 性质
蒙特卡洛方法 ➢ 蒙特卡洛是一种优化方法 ➢ 通过蒙特卡洛算法来寻求能量最优点 ➢ 随机方法 ➢ 通过系综平均来求取宏观性质 ➢ 模拟的是平衡状态，不涉及时间效应（KMC除外） ➢ 优点是可以跨越时间因素，缺点是得不到有关时间信息的 性质
分子动力学 分子体系 宏观性质 (几百~几亿)求解牛顿运动方程 F=- 6E Ot F=ma AX-Vul+a 可以模拟平衡状态，也可以模拟中间状态 ~可以获得有关时间的信息 >受时间的限制，无法模拟缓慢过程
分子动力学 ➢ 可以模拟平衡状态，也可以模拟中间状态 ➢ 可以获得有关时间的信息 ➢ 受时间的限制，无法模拟缓慢过程 分子体系 （几百~几亿）求解牛顿运动方程 宏观性质 2 0 2 1 V t at F ma E F = + = = −
CPMD:考虑量子效应的分子动力学 同时考虑原子核的运动（牛顿力学）和电子的运动（量 子力学) 能同时准确模拟物理作用和化学键作用 目前来说CPMD可以处理的体系还很小（几十个原子）
CPMD:考虑量子效应的分子动力学 ➢ 同时考虑原子核的运动（牛顿力学）和电子的运动（量 子力学） ➢ 能同时准确模拟物理作用和化学键作用 ➢ 目前来说CPMD可以处理的体系还很小（几十个原子）
颗粒方法(Coarse Grain) 将分子基团（几个或者几十上百个原子）当成单个的微 粒来处理 微粒之间的作用也是通过类似于分子动力学的未能函数 来描述 可以模拟更长的时间跨度 量子级别模拟 分子级别模拟 CG级别模拟 电子 原子核 原子
颗粒方法（Coarse Grain） ➢ 将分子基团（几个或者几十上百个原子）当成单个的微 粒来处理 ➢ 微粒之间的作用也是通过类似于分子动力学的未能函数 来描述 ➢ 可以模拟更长的时间跨度 电子 原子核 原子 量子级别模拟 分子级别模拟 CG级别模拟
势能模型 分子动力学的核心：牛顿运动方程 F=- OE Ot F=ma 势能（位能）模型：U(r)=fr) Ax-Wa >分子动力学对势能函数的依赖性：所有从分子动 力学计算出来得到的宏观性质最终都取决于势能 模型
势能模型 ➢ 分子动力学对势能函数的依赖性：所有从分子动 力学计算出来得到的宏观性质最终都取决于势能 模型 分子动力学的核心：牛顿运动方程 势能（位能）模型： U r f r ( ) ( ) = 2 0 2 1 V t at F ma E F = + = = −