粗粒化分子动力学模拟中广义朗之万热浴记忆核迭代优化的高斯 - 牛顿法
统计力学
2024-06-24 v2
摘要
在分子动力学模拟中，动态一致的粗粒化（CG）模型通常使用随机热浴来模拟在 CG 描述中丢失的摩擦和涨落。虽然此类热浴的马尔可夫性（即时间局部）公式能够准确表示扩散系数/长时动力学，但要正确描述所有时间尺度上的动力学，通常需要非马尔可夫性（即非时间局部）热浴。这些热浴通常表现为由记忆核决定的广义朗之万方程（GLE）。在本工作中，我们使用了一种作用于每个 CG 自由度的位置无关 GLE 热浴的马尔可夫嵌入公式。从原子参考数据中提取该 CG 模型的记忆核需要若干近似。因此，该任务最好被理解为一个反问题。虽然我们最近提出的近似牛顿方案——记忆核迭代优化（IOMK）——允许对记忆核进行迭代优化，但马尔可夫嵌入仍然可能存在误差且计算成本高昂。在本工作中，我们提出了一种基于 IOMK 的 IOMK-高斯 - 牛顿方案（IOMK-GN），该方案允许对马尔可夫嵌入模型进行直接参数化。
引用
@article{arxiv.2402.10652,
title = {A Gauss-Newton method for iterative optimization of memory kernels for generalized Langevin thermostats in coarse-grained molecular dynamics simulations},
author = {V. Klippenstein and N. Wolf and N. F. A. van der Vegt},
journal= {arXiv preprint arXiv:2402.10652},
year = {2024}
}