【LAMMPS学习】八、基础知识(5.7)Drude感应偶极子

2024-05-05 10:52

本文主要是介绍【LAMMPS学习】八、基础知识(5.7)Drude感应偶极子,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

8. 基础知识

此部分描述了如何使用 LAMMPS 为用户和开发人员执行各种任务。术语表页面还列出了 MD 术语,以及相应 LAMMPS 手册页的链接。 LAMMPS 源代码分发的 examples 目录中包含的示例输入脚本以及示例脚本页面上突出显示的示例输入脚本还展示了如何设置和运行各种模拟。

8.1.通用基础知识

8.2. 设置入门

8.3. 分析入门

8.4. 力场入门

8.5. 软件包入门

8.5.1.有限尺寸球形和非球形粒子

8.5.2. 粒度模型

8.5.3.体粒子

8.5.4.黏合粒子(BMP)模型

8.5.5.极化模型

8.5.6. 绝热核/壳模型

8.5.7.Drude感应偶极子 

热化德鲁德模型表示由谐波弹簧连接的一对电荷(核心原子和德鲁德粒子)产生的感应偶极子。参阅 Howto 极化文档页面,了解 LAMMPS 中所有可用极化模型的讨论。

Drude 模型具有许多旨在在分子系统(Lamoureux 和 Roux)中使用的特征:

  • 根据德鲁德粒子相对于其核心的简化坐标,在极低温度下恒温与感应偶极子相关的附加自由度。这使得轨迹接近松弛感应偶极子的轨迹。

  • 1-2 到 1-4 邻居的一致定义。核心-德鲁德粒子对代表单个(可极化)原子,因此共价结构中的特殊筛选因子对于核心和德鲁德粒子应该是相同的。 Drude 粒子必须从各自的核心继承 1-2、1-3、1-4 特殊邻居关系。

  • 诱导偶极子之间相互作用的稳定。由于距离短,共价键原子上的德鲁德偶极子相互作用太强,因此原子可能会捕获邻居的德鲁德粒子,或者同一分子内的诱导偶极子可能会对齐太多。为了避免这种情况,可以通过 Thole 函数(有物理依据)来实现短距离阻尼。该托尔阻尼应用于构成感应偶极子的点电荷(德鲁德粒子的电荷和核心上的相反电荷,而不是核心原子的总电荷)。

有关在 LAMMPS 中使用 Drude 诱导偶极子的详细教程位于此处。

与核壳模型一样,核和 Drude 粒子应作为标准原子出现在数据文件中。这同样适用于它们之间的弹簧,它们由标准谐波键描述。原子的性质(核心、Drude 粒子或不可极化)通过 fix drude 命令指定。特殊的邻居列表会自动重构,以考虑到核心粒子和 Drude 粒子在特殊 1-2 到 1-4 筛选方面的等效性。可能需要使用 read_data 命令的 extra/special/per/atom 关键字。如果使用修复抖动,请确保此修复组中没有 Drude 粒子。

有三种方法可以在低温下对 Drude 粒子进行恒温:对于 Langevin 恒温器使用 fix langevin/drude,或者对于 Nose-Hoover 恒温器使用 fix drude/transform/*,或者对于温度分组的 Nose 使用 fix tgnvt/drude -胡佛恒温器。第一个和第三个需要使用命令 comm_modify vel yes。第二个需要两个单独的集成修复,例如 nvt 或 npt。可以使用计算 temp/drude 来计算降低自由度的正确温度。这还需要使用命令 comm_modify vel yes。

诱导偶极子相互作用的短程阻尼可以使用 Thole 函数,通过具有库仑对类型的pair_style混合/叠加中的对类型thole来实现。如果核心和 Drude 粒子太接近,可能会导致数值问题,那么使用 COUL/long/cs 或 CORESHELL 包中的类似内容可能会很有用。

参考文献:

(Lamoureux and Roux) G. Lamoureux, B. Roux, J. Chem. Phys 119, 3025 (2003)

这篇关于【LAMMPS学习】八、基础知识(5.7)Drude感应偶极子的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/961540

相关文章

mysql重置root密码的完整步骤(适用于5.7和8.0)

《mysql重置root密码的完整步骤(适用于5.7和8.0)》:本文主要介绍mysql重置root密码的完整步骤,文中描述了如何停止MySQL服务、以管理员身份打开命令行、替换配置文件路径、修改... 目录第一步:先停止mysql服务,一定要停止!方式一:通过命令行关闭mysql服务方式二:通过服务项关闭

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

linux-基础知识3

打包和压缩 zip 安装zip软件包 yum -y install zip unzip 压缩打包命令: zip -q -r -d -u 压缩包文件名 目录和文件名列表 -q:不显示命令执行过程-r:递归处理,打包各级子目录和文件-u:把文件增加/替换到压缩包中-d:从压缩包中删除指定的文件 解压:unzip 压缩包名 打包文件 把压缩包从服务器下载到本地 把压缩包上传到服务器(zip

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

计组基础知识

操作系统的特征 并发共享虚拟异步 操作系统的功能 1、资源分配,资源回收硬件资源 CPU、内存、硬盘、I/O设备。2、为应⽤程序提供服务操作系统将硬件资源的操作封装起来,提供相对统⼀的接⼝(系统调⽤)供开发者调⽤。3、管理应⽤程序即控制进程的⽣命周期:进程开始时的环境配置和资源分配、进程结束后的资源回收、进程调度等。4、操作系统内核的功能(1)进程调度能⼒: 管理进程、线

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学