Richtige Berechnung der Entropie während der Molekulardynamik-Simulation

Bei der Simulation eines einfachen Systems zum Testen von Stat Mech (d. h. nicht gekoppelt) konnte ich die Entropie berechnen, indem ich die Partikel gruppierte und die Shannon-Entropieformel verwendete .

Bei komplexeren Systemen wurde mir klar, dass die Entropie nicht durch Gruppieren der Partikel berechnet wird, aber für Gibbs Entropie müssen Sie den Zustand des Systems über mehrere Simulationen hinweg gruppieren. Eine große Anzahl von Partikeln, dies ist aufgrund der Partikel sehr dimensional und das Binning wird sehr schwierig sein.

Wie wird Entropie typischerweise in Molekulardynamik und ähnlichen Simulationen berechnet?

Es gibt ungefähr ein Dutzend verschiedene Methoden. Eine grundlegende Übersicht finden Sie hier , obwohl es viele andere Techniken gibt. Wenn Sie weitere Details zu Ihrem System angeben, kann ich Sie möglicherweise auf eine bestimmte Methode hinweisen.
@Zitrone. Danke. Mein unmittelbares Problem besteht also darin, die Entropie zu berechnen, um die klassische statistische Mechanik nicht-hamiltonischer Systeme zu überprüfen , bei denen das Gaußsche isokinetische System integriert wird (siehe mein Python-Notizbuch ). Schließlich wollte ich dies beim maschinellen Lernen verwenden, um Dinge wie Entropie und „Temperatur“ während des Trainings einzuschränken.

Antworten (1)

Wenn Sie den Wert der Entropie erhalten möchten, wie er durch den Gibbs-Shannon-Ausdruck angegeben ist k P k Protokoll P k , müssen Sie einige diskrete Hilfszustände einführen, in denen sich das System befinden kann (z. B. wenn sich das System in einer Phasenraumzelle mit einigen kleinen Dimensionen befindet), ihre Wahrscheinlichkeiten schätzen * und dann den Ausdruck auswerten.

Wenn Sie sich nur für die thermodynamische Entropie von Gleichgewichtssystemen interessieren, können Sie dies vermeiden und eine Simulation der quasistatischen Wärmeübertragung durchführen und die Entropie so berechnen

ich F D Q T .

Dies gibt Ihnen einen Unterschied der Entropie zwischen zwei Zuständen, was physikalisch alles ist, was zählt.

* Wahrscheinlichkeit, dass das System im Zustand ist k angesichts der makroskopischen Zustandsvariablenwerte.