Ich habe eine Simulation der Brownschen Dynamik in zwei Dimensionen programmiert. (Grobkörnige Proteine auf Oberflächen mit Wechselwirkungspotentialen, dh fleckige Partikel.) Nun möchte ich Partikel das System verlassen oder betreten lassen, dh Partikelzahl muss nicht erhalten bleiben.
Kennt jemand einen guten Weg, das zu tun? Was sind einige häufige Fallstricke?
Grundlage meiner Simulation ist die überdämpfte Langevin-Gleichung
Bisher hat meine Simulation wichtige Tests bestanden und stimmt mit analytischen Vorhersagen aus statistischen Berechnungen überein (kanonisches Ensemble). In realen Experimenten ist es nicht so einfach, die Partikelzahl festzulegen, da Partikel während des gesamten Experiments weg und auf die Oberfläche diffundieren. Ich möchte diese Beobachtung in meine Computersimulation einbauen, was bedeutet, dass ich Partikel entfernen und meinem System Partikel hinzufügen muss.
Ich hatte die Idee, Raten zu definieren, mit denen zufällig ausgewählte Partikel entfernt und dem System hinzugefügt werden. Nun befürchte ich, dass dieser Ansatz zu naiv ist und wollte wissen, ob jemand einen Lösungsvorschlag oder zumindest ein paar Hinweise hat. Vielleicht fehlt mir etwas.
Ich hätte lieber eine theoretische Untermauerung meiner Idee, wie sie zum Beispiel großkanonische Monte-Carlo-Simulationen haben.
Die Einführung von Teilchenerzeugung und -vernichtung in die Brownsche Dynamik wird ähnliche Probleme mit sich bringen wie die Einführung in die Molekulardynamik. Sie können die Standardbewegungen von Grand Canonical Monte Carlo (GCMC) in Ihr dynamisches Schema einfügen. Die praktische Gefahr besteht darin, dass die Konsequenzen für die Dynamik, nachdem man eine Bewegung akzeptiert hat, manchmal dramatisch sein werden: sehr große Kräfte zwischen den Teilchen und daher sehr große Verschiebungen. Um dies zu vermeiden, wurden Schemata ausgeheckt, um Partikel allmählich einzufügen oder sogar einen kontinuierlichen Parameter in die Lagrange-Funktion einzuführen, der das Erscheinen des zusätzlichen Partikels steuert. In Agarwal et al., New J Phys , 17 , 083042 (2015), das Open Access ist, überprüfen sie einige dieser Methoden. Wie sie jedoch betonen, sind solche Ansätze nicht weit verbreitet und etwas fummelig. Dasselbe gilt meines Erachtens für den von Agarwal vorgeschlagenen Ansatz. Ich würde nicht empfehlen, diesen Weg einzuschlagen, aber zumindest können Sie diese Alternativen mit einer geeigneten Anpassung von der Molekulardynamik an die Brownsche Dynamik in Betracht ziehen.
Hier ist eine andere Möglichkeit. Verwenden Sie Monte Carlo anstelle der Brownschen Dynamik. Die Zeitskala ist etwas fiktiv, aber die Partikel werden immer noch realistisch herumdiffundieren, und Sie geben wohl ohnehin eine vollständig realistische Dynamik auf, indem Sie GCMC-Bewegungen hinzufügen, die das Erscheinen und Verschwinden von Partikeln ermöglichen.
Es gibt eine Zwischenlösung. Brownsche Dynamik ohne Trägheit verwendet einen Algorithmus
Dieser Ansatz kann auch mit "Hybrid Monte Carlo" (HMC), Duane et al., Phys Lett B , 195 , 216 (1987) in Verbindung gebracht werden . Einfach ersetzen in der obigen Gleichung zu geben
Wenn Ihre Brownsche Dynamik nicht inertial ist, könnte dies der Ansatz sein, den ich empfehlen würde:
Ich habe einen einfacheren Vorschlag, der je nach Ihren Umständen vorzuziehen sein könnte oder nicht. Bleiben Sie bei Ihrer bestehenden Brownschen Dynamik, aber machen Sie Ihre Simulation dreidimensional statt zweidimensional, mit einer flachen Oberfläche, die Ihre grobkörnigen Partikel anzieht. Der Rest des Systems wäre ein Gas geringer Dichte, das als Partikelreservoir fungiert. Viel würde davon abhängen, ob Sie die Parameter anpassen könnten, um den thermodynamisch stabilen Zustand Ihres Systems zu einer an der Oberfläche adsorbierten Monoschicht zu machen . Wenn dies möglich ist, sollten Sie sehen, wie Partikel auf physikalisch vernünftige Weise an der Oberfläche ankommen und sich von ihr entfernen.
Ihre Frage ist ziemlich weit gefasst. Meine Antwort wird also ziemlich breit ausfallen.
Einige der üblichen Dinge, um die man sich bei Monte-Carlo-Berechnungen Sorgen machen muss, sind die folgenden. Aber es gibt noch mehr.
Benutzer93146
DW147
Eric Duminil
Benutzer93146
DW147