分子动力学模拟中，有哪些算法框架被广泛应用？

本文共计3883个文字，预计阅读时间需要16分钟。

分子动力学模拟是跨越众多科学领域的强大工具，从物理学的角度研究分子动力学模拟，它基于量子力学（量子化学生）构建模型，通过牛頓力学进行模拟，最终能模拟时间的演变。

分子动力学模拟是一个跨越众多学科领域的强大工具，从物理学的角度来看分子动力学模拟的话，其基于量子力学（量子化学）构建模型，通过牛顿力学进行演化迭代，最后能够在时间平均上等同于统计力学的系综平均，是一个堪比复变函数欧拉公式的优美过程。本文就当前分子动力学模拟的框架进行了整体介绍，其中并不展开讲解各项技术内容，但是也为感兴趣的研究人员提供一个简单的入口。 技术背景

分子动力学模拟在新材料和医药行业有非常重要的应用，这得益于分子动力学模拟本身的直观表述，用宏观的牛顿力学，结合部分微观的量子力学效应，就能够得到很好的符合统计力学推断的结果。可以说，分子动力学模拟从理论上跨越了物理化学生物等多个学科，而从实践上又包含了计算机科学、人工智能的大量辅助和优化，综合性非常强。越是综合性强的研究方向，就越有必要梳理清楚其主干脉络和工作流程。

1 坐标和速度的初始化

当我们需要研究一个特定的体系时，首先需要指定这个体系的初始空间和坐标，再进行演化。初始坐标的获取方式有很多种，比如从数据库中直接获取、根据拓扑结构用特定的工具进行生成（比如之前的博客介绍过的OpenBabel），还有就是在材料学领域常用的根据晶体结构去生成有规律的体系初始坐标。初始速度的选取方式，其实可以选择全0的初始状态，让体系在力场作用下进行自由演化；也可以给全随机的初始速度，让一开始的体系能量和温度达到一个比较高的值，有可能可以提高模拟的效率；还有一种在材料学领域比较常用的方法，就是指定一个初始温度，通过能均分定理对体系中的各个原子进行速度分配。