СД.В.03
– «Методы
математического эксперимента в теории молекулярных систем»
Направление
-510400 Физика
Разработчик:
профессор, доктор
физ.-мат. наук П.Н. Воронцов-Вельяминов
Рецензент:
профессор
кафедры В.П.Романов
статистической
физики
доктор
физ.-мат. наук Cанкт-Петербург – 2003 г.
Содержание
дисциплины
1. Введение. Соотношение между аналитической теорией,
физическим экспериментом и численным экспериментом.
Вычислительная физика. Роль ЭВМ, их характеристики -
оперативная и внешняя память, быстродействие, надежность. Языки
программирования. Ввод и вывод информации. Поколения ЭВМ. Супер
ЭВМ . Персональные компьютеры. Матричные процессоры. Системы типа
Беовулф. Параллельные вычисления. Сети ЭВМ и информационные сети.
Специализированные процессоры для численных экспериментов.
2. Мат. эксперимент
динамического и стохастического типа (молекулярная динамика и
Монте-Карло). Метод МК для расчета интегралов. Оценка погрешности
выборочного среднего. Метод существенной выборки.
3. Основы
термодинамики. Термодинамические величины: объем, давление,
температура. Уравнение состояния. Внутренняя энергия, работа, тепло.
Первое начало термодинамики. Второе начало. Энтропия. Равенство
(неравенство) Клаузиуса. Термодинамические потенциалы,
характеристические переменные. Термодинамические равенства и
неравенства.
4. Основы
равновесной статистической механики. Микро- и
макро-состояния.
Ансамбли (микроканонический, канонический, большой канонический).
Энергетический спектр и плотность состояний макросистемы.
Статистическая энтропия. Тепловое равновесие и температура,
материальное равновесие и хим. потенциал. Каноническое и
другие распределения. Статсуммы. Переход к классическим
статинтегралам. Связь с термодинамикой.
5. Проблема
вычисления конфигурационных средних в классической статмеханике и
метод Монте-Карло. Реализация существенной выборки с помощью
аппарата марковских цепей. Переходные вероятности.
6. Метод Монте-Карло
в статистической механике, методические вопросы: малое число частиц и
моделирование микросистем (периодические граничные условия).
Проблема учета дальних взаимодействий. Начальная релаксация и
усреднение. Свободные параметры цепи и их оптимальный выбор.
Статистическая и систематическая погрешности.
7. Величины,
вычисляемые методом МК (канонический и другие ансамбли): внутренняя
энергия ,уравнение состояния, термические коэффициенты (теплоемкость
,сжимаемость). Бинарная функция распределения.
8. Метод МК в
расчете свойств моделей твердых шаров и дисков, ЛД-систем.
9. Метод МД(
молекулярной динамики) в расчетах свойств простой жидкости
(ЛД-система, аргон). Начальное состояние. Расчет температуры.
Автокорреляторы и др. временные свойства. Конечно-разностные схемы.
10. Молекулярная
динамика жидкой воды. Эффективный потенциал. Уравнения движения.
Вычисляемые величины. Характер движения и структура воды на основе
мат. эксперимента.
МК-моделирование
решеточных систем. Модель Изинга, решеточный газ,
бинарный сплав, полимер
на решетке.
12. Моделирование
плазмы, ионных и полиионных систем. Проблема учета дальних
взаимодействий. Метод Эвальда.
13. Моделирование
молекул с внутренними степенями свободы. Метод МД для цепных молекул
с жесткими связями (метод уравнений Лагранжа 1-го рода). Полимеры
в растворе и метод Броуновской динамики. Микродинамика белков.
14. Метод МД с
постоянной температурой и постоянными Т и Р (метод Нозе - Хувера).
15. Метод МК -
молекулярного поля для полиэлектролита.
16. Гиббсовский
ансамбль для моделирования фазового равновесия газ - жидкость.
17. Моделирование
ограниченных систем: кластеры, тонкие слои, микрофазы в порах.
Граничные условия. Фазовые переходы в малых системах:
плавление, конденсация (аргон, ионные и водные кластеры).
18. Методы МК для
расчета свободной энергии и химпотенциала: м. интегрирования энергии
и давления; м.
вставления частицы; м.
многоступенчатой выборки; м. зонтичной
выборки; м. термодинамической теории
возмущений; м. термодинамического
интегрирования.
19.
Методы обобщенных ансамблей: м. расширенных ансамблей;
энтропическое моделирование; м. обмена копиями; алгоритм
Ванга-Ландау. 20. Метод МК в квантовой статистике.
Равновесная матрица плотности в координатном представлении в форме
фейнмановского интеграла. Весовая функция. Эстиматоры. Моделирование
квантово-классических систем. Проблема моделирования системы
тождественных частиц (бозоны, фермионы) при конечной температуре.
Примерные темы
самостоятельной работы и типовых расчетов
и
расчет среднего квадрата смещения, оценка погрешности;
пространстве,
расчет среднего квадрата смещения, определение погрешности;
с
потенциалом Леннарда-Джонса и проведение расчетов конфигурационной
равновесной
энергии при различных температурах;
и
бинарной функции распределения;
-
расчет плотности состояний для классического осциллятора путем
равномерного
блуждания
и сравнение с аналитическим результатом;
Примерный
перечень вопросов к экзамену по курсу
Неравенство
Чебышева и оценка погрешности выборочного среднего.
Метод равномерной
и существенной выборки.
Проблема
вычисления конфигурационных средних в классической статмеханике
и метод
Монте-Карло.
Реализация
существенной выборки с помощью аппарата марковских цепей. Переходные
вероятности.
Методические
вопросы в методе Монте-Карло: малое число частиц и моделирование
микросистем (периодические граничные условия).
Методические
вопросы в методе Монте-Карло: проблема учета дальних взаимодействий.
Методические
вопросы в методе Монте-Карло: начальная релаксация и усреднение.
Свободные
параметры цепи и их оптимальный выбор. Статистическая и
систематическая погрешности.
Величины,
вычисляемые методом МК: внутренняя энергия, уравнение состояния,
термические коэффициенты, бинарная функция распределения.
Метод МК в расчете
свойств моделей твердых шаров и дисков, ЛД-систем.
Метод МК в расчете
свойств моделей заряженных шаров. Метод ближайшего образа. Метод
Эвальда.
Конечно-разностные
схемы в методе МД.
Метод МД в
расчетах свойств простой жидкости. Начальное состояние. Расчет
температуры.
Автокорреляторы и
др. временные свойства в МД-расчетах.
Молекулярная
динамика жидкой воды. Эффективный потенциал. Уравнения движения.
Вычисляемые величины.
МК-моделирование
решеточных систем. Модель Изинга, полимер на решетке.
Моделирование
плазмы, ионных и полиионных систем. Проблема учета дальних
взаимодействий. Метод Эвальда.
Моделирование
ограниченных систем: кластеры, тонкие слои, микрофазы в порах.
Фазовые
переходы в малых системах: плавление, конденсация.
Методы МК для
расчета свободной энергии и химпотенциала.
Методы
обобщенных ансамблей: м. расширенных ансамблей;
энтропическое моделирование; алгоритм Ванга-Ландау.
Метод МК в
квантовой статистике. Равновесная матрица плотности в
координатном представлении. Весовая функция. Эстиматоры.
Моделирование квантово-классических систем.
Проблема
моделирования системы тождественных частиц (бозоны, фермионы) при
конечной температуре.
Организационно-методический
раздел
Цель
изучения дисциплины: дать студентам, обучающимся по учебному
плану
кафедры
статистической физики, представление о компьютерных методах
моделирования сильно неидеальных многочастичных систем –
стохастическом, или методе Монте-Карло, и динамическом (методе
молекулярной динамики) и об их многочисленных современных вариантах,
а также на характерных конкретных примерах продемонстрировать
действенность и предсказательную силу этих методов.
Задачи
курса: ознакомление студентов с основами теории вероятности и
математической
статистики в применении к стохастическим расчетам термодинамических
величин молекулярных систем; знакомство с основными алгоритмами
стохастического и динамического моделирования; знакомство с работами
по моделированию простых жидкостей. ионных систем, полимеров.
полиэлектролитов и биополимеров, а также систем,
подчиняющихся
квантовой статистике.
1.3
Место курса в профессиональной подготовке выпускника: Знакомство
с
современными
методами моделирования свойств многочастичных систем является
необходимой
составляющей в обучении студентов, специализирующихся по
статистической
физике,
поскольку эти методы являются в настоящее время одним из важнейших
инструментов
теоретического исследования конкретных сложных систем, в
значительной
мере
заполняя пробел между чисто аналитическими методами теории и
физическим
экспериментом.
Курс способствует ориентации слушателей в их дальнейшем выборе
специализации
в одной из областей статистической физики.
1.4
Требования к уровню освоения дисциплины:
основные
статистические распределения и способы оценки погрешности выборочного
среднего;
физическим
экспериментом и численным экспериментом;
--
знать, в чем состоит метод существенной выборки в стохастических
подходах
при моделировании молекулярных систем в различных статистических
ансамблях;
--
иметь представление о конечно-разностных алгоритмах для численного
решения
системы
классических уравнений движения при моделировании эволюции
молекулярной системы во времени;
--
знать, какие величины можно рассчитывать путем стохастического и
динамического
моделирования
на примерах систем с простыми потенциалами;
--
иметь представление об особенностях моделирования систем с
дальнодействием;
знать,
какими способами моделируются системы с внутренними степенями
свободы;
иметь
представление о методе Монте-Карло в квантовой статистике;
2.
Объем дисциплины, виды учебной работы, форма текущего, промежуточного
и итогового контроля
Время чтения
лекций по дисциплине
|
7-й семестр
|
Примерное
число студентов
|
7 – 10
студентов
|
Всего
аудиторных занятий
|
54 часа
|
Из них лекций
|
54 часа
|
Самостоятельная
работа студентов – выполнение типового расчета
|
15
часов
|
Итого
(трудоемкость дисциплины)
|
69
часов
|
Текущий
контроль
|
Краткий
опрос студентов по материалу предыдущей лекции
|
Промежуточный
контроль
|
По результатам
выполнения типового расчета
|
Итоговый
контроль
|
Экзамен
|
Литература
Основная
В.М. Замалин, Г.Э.
Норман, В.С. Филинов. Метод Монте-Карло в статистической
термодинамике. Наука,
М. 1977.
2. Физика простых
жидкостей, ч.2, гл.14, М.,1971.
3. К Биндер. Методы
Монте-Карло в статистической физике, Мир, М.,1982.
4. Н.П. Бусленко,
Д.Н.Голенко, И.М.Соболь, В.Г.Срагович, Ю.А.Шрейдер Метод
статистических испытаний (метод Монте-Карло), М.,1962.
5. И.З.Фишер
Статистическая теория жидкостей, М.,1961.
Дополнительная
Д.В.Хеерман.
Методы компьютерного эксперимента в теоретической физике,
Наука, М.,1990.
2. Х. Гулд, Я.
Тобочник Компьютерное моделирование в физике,
ч.1, ч.2, Мир,
М., 1990.
3 M.P. Allen, D.I.
Tildesley Сomputer Simulation of Liquids.
Clarendon Press.
Oxford. 1987.
4. A.
Rahman. Phys.Rev. (1964) v.196, p.A405.
5.
A.Rahman, F.H.Stillinger. J.Chem.Phys.(1971) v.55, p.3336.
6.
A.P.Lyubartsev, A.A.Martsinovsky, S.V. Shevkunov,
P.N.Vorontsov-Velyaminov.
J.Chem.Phys.(1992) v.96,p.1776.
7. J.
Lee. Phys.Rev.Lett.(1993) v. 71, p.211.
8.
F.Wang, D.P. Landau, Phys.Rev.Lett.(2001) v. 86, p.2050.
9. Y.
Iba. Int.J.Mod.Phys. (2001) v. 12, p.623.
|