- •1.Перечислите предпосылки появления нанотехнологии
- •3.Инструментарий нанотехнологии
- •4.Основные проблемы нанотехнологии и пути их решения
- •5.Уровни научного познания в применении к нанотехнологиям
- •6. Общие принципы компьютерного моделирования
- •7. Типы моделей «белый ящик», «черный ящик», «серый ящик
- •8. Принципиальные подходы вычислительной нанотехнологии
- •9. Основные принципы моделирования молекулярных систем в молекулярной механике
- •10. Потенциальная энергия молекулы в молекулярной механике
- •11. Энергия слабых связей в молекулярной механике
- •12. Методы поиска равновесных структур в молекулярной механике
- •13. Методы упрощения, применяемые в молекулярной механике
- •14. Достоинства и недостатки методов молекулярной механики
- •15. Область применимости молекулярной динамики
- •16. Базовые законы молекулярно-динамического моделирования
- •17. Выбор шага по времени в молекулярной динамике
- •18. Методы ограничения областей в молекулярной динамике
- •19.Методы учёта энергообмена с внешней средой в молекулярной динамике
- •20. Достоинства и недостатки молекулярной динамики
- •21. Стохастический принцип моделирования в методах Монте-Карло
- •22. Алгоритм Метрополиса
- •23. Процесс Маркова
- •24. Достоинства и недостатки моделирования методами Монте-Карло
- •25. Механизмы образования супрамолекулярных связей
- •26. Водородная связь в супрасистемах
- •27. Электростатические взаимодействия в супрасистемах
- •28. Ван-дер-ваальсовы взаимодействия в супрасистемах
- •29. Достоинства супрамолекулярных систем
- •30. Самоорганизация сложных систем
- •31. Самосборка как пример самоорганизации в нанотехнологии. Факторы, определяющие самосборку
- •32. Общие признаки пакетов моделирования молекулярных систем
- •33. Процедура проведения квантовохимического моделирования
- •34. Проведите общий обзор программного обеспечения моделирования наносистем
21. Стохастический принцип моделирования в методах Монте-Карло
Метод Монте-Карло (МК) отличается от метода молекулярной динамики тем, что каждая следующая конформация определяется не путем решения уравнений движения Ньютона, а с использованием случайных процессов. Вместо оценки сил, определяющих движения микрочастиц, при МК-моделировании просто создают относительно большие движения системы и определяют, действительно ли измененная структура энергически возможна при моделируемой температуре. Этот метод позволяет «перепрыгивать» через энергетические барьеры без затрат времени на их преодоление. При этом рассматривают лишь соотношение энергий конформаций до и после скачка. МК-метод точечно сканирует конформационное пространство молекулы без построения действительной временной «траектории», поэтому он не может дать информацию о численных временных зависимостях, т.е. о динамике системы. Однако он намного лучше подходит для расчета термодинамических характеристик молекул, например, спектра возможных конформаций и их энергий.
Основной принцип различных алгоритмов расчета методом Монте-Карло основан на выборе случайных процессов вместо детерминированных алгоритмов. Расчеты МК-методом в общем подчиняются такой модели процесса, для которой изменение принимается не заранее заданным способом, а случайным образом. Успех таких вычислительных алгоритмов зависит от быстрой и эффективной генерации последовательности случайных чисел во время моделирования.
Случайная величина - это величина, которая принимает в результате опыта одно из множества значений, причём появление того или иного значения этой величины до её измерения нельзя точно предсказать. Таким образом, последовательность чисел будет случайной только в том случае, если между ними нет зависимости.
Для генерации случайных чисел используются специальные алгоритмы. Однако они заранее определены и, следовательно, генерируют последовательность чисел, которая теоретически не может быть статистически случайной и подчиняется некоторому равномерному распределению. Поэтому они получили название псевдослучайных. В то же время, если выбрать хороший алгоритм, полученная численная последовательность будет проходить большинство тестов на случайность. Алгоритм распределения называется генератором псевдослучайных чисел.
Современные информационные науки широко используют псевдослучайные числа в самых разных приложениях - в криптографии, в имитационном моделировании, в МК-методе.
22. Алгоритм Метрополиса
В настоящее время известно большое число алгоритмов реализации методов МК.
Наиболее популярен метод МК с алгоритмом Метрополиса. При этом каждая следующая конформация получается путем случайного отклонения от предыдущей. Каждая новая конформация принимается с вероятностью
где - разность энергий новой и старой конформаций.
Практическая реализация метода заключается в следующем. На первом этапе формируется начальное конфигурационное состояние системы. Далее производится пробное изменение в начальной конфигурации и вычисляется изменение энергиисистемы, обусловленное пробным изменением вконфигурации. Если, переход считается приемлемым, и прежняяконфигурация заменяется новой. Это соответствует соотношению вероятностей. Но если, то переход может произойти только с вероятностью
В этом случае на компьютере генерируется случайное число г в интервале между 0 и 1. Если, то новая конфигурация принимается, в противномслучае переход отвергается.
Моделирование МК-методами по схеме Метрополиса можно использовать для воспроизведения различных сложных физических явлений, включая расчеты свойств, распределения зарядов, предсказание фазовых переходов, самосборку структур и т. д.