粘性液体动力学与随机势垒模型

本文将粒子交换蒙特卡罗算法与长期GPU分子动力学仿真相结合，用于分析极端粘性 regime 下的三元 Lennard-Jones 玻璃形成液体动力学。焦点是通过将沿配置空间轨迹的配置构图 quench 到其固有状态中所获得的内在动力学。我们比较了两种函数形式，冯施韦德尔定律和随机势垒模型（RBM）在极端无序极限下的预测，对于内在均方位移随时间的函数拟合数据。我们发现，尽管冯施韦德尔定律仅有一个无量纲自由参数，RBM（无无量纲自由参数）通常更能拟合数据。这表明 RBM 能更准确地从短时间仿真数据预测扩散系数。仍是一个开放问题，为何 RBM 能很好地再现内在数据，尽管该模型（不现实）假设所有能量最小值相同。