耗散粒子动力学的优化修正Velocity Verlet算法

在Groot和Warren耗散粒子动力学的修正VelocityVerlet算法的基础上引入优化方法获得一个简单的计算λ的表达式,提出一种自洽获取该值的优化修正VelocityVerlet算法.模拟结果表明,这种通过优化来获得参数的修正VerlocityVerler算法具有运算量小、温度稳定的优点,可以在耗散粒子动力学模拟中使用.

基于GPU的分子动力学模拟Cell Verlet算法实现及其并行性能分析

分子动力学模拟存在空间和时间的复杂性,并行加速分子的模拟过程尤为重要。基于GPU硬件数据并行架构的特点,组合分子动力学模拟的原子划分和空间划分的并行策略,优化实现了短程作用力计算Cell Verlet算法,并对分子动力学核心基础算法的GPU实现做了优化和性能分析。Cell Verlet算法实现首先采用原子划分的方式,将每个粒子的模拟计算任务映射到每个GPU线程,并采用空间划分的方式将模拟区域进行元胞划分,建立元胞索引表,实现粒子在模拟空间的实时定位;而在计算粒子间的作用力时,引入希尔伯特空间填充曲线方法来保持数据的线性存储与数据的三维空间分布的局部相关性,以便通过缓存加速GPU的全局内存访问;也利用了访存地址对齐和块内共享等技术来优化设计GPU分子动力学模拟过程。实例测试与对比分析显示,当前的算法实现具有强可扩展性和加速比等优势。

基于变步长Velocity Verlet算法的卢瑟福散射模拟的优化

该文基于已有的卢瑟福散射模拟程序效率比较低的问题,对现有的模拟程序进行了优化。首先对比了多种轨迹算法计算误差及效率,并优选出了Velocity Verlet算法,继而根据入射粒子的具体受力情况对模拟过程中的步长Δt进行了动态处理。比较了优化前后的模拟效果,发现优化后的程序能够在保持模拟精度不变的情况下大幅提高模拟效率。

基于分子动力学模拟的改进混合蛙跳算法

针对基本的混合蛙跳算法(Shuffled frog leaping algorithm,SFLA)后期搜索速度变慢,容易陷入局部最优解的缺点,借鉴分子动力学(Molecular dynamics,MD)模拟的思想,提出一种基于分子动力学模拟的改进的混合蛙跳算法。该算法将种群中的粒子等效成分子,并提出一种新的分子间作用力计算方法来代替两体间经典的Lennard-Jones作用力计算方法,利用Velocity-Verlet算法和高斯变异算子代替基本混合蛙跳算法的更新策略,有效地平衡了种群的多样性和搜索的高效性。高维多峰函数测试的结果表明,基于分子动力学模拟的改进混合蛙跳算法能提高算法后期跳出局部极值的能力,全局寻优能力明显优于基本的混合蛙跳算法。

求解NURBS曲面间最小距离的人工势场算法

针对Newton-Raphson(NR)法对初值要求苛刻的缺点,结合人工势场法和Verlet算法,提出一种求解NURBS曲面间最小距离的人工势场算法.该算法构建了小球势力场模型,通过分析小球受力情况,采用Verlet算法模拟小球在势力场中的运动过程,两球平衡位置即为曲面间最小距离处.将曲面边界问题用统一的算法描述,通过拓展算法来求解点、NURBS曲线和曲面3种不同对象之间的最小距离.仿真实验结果表明,文中算法通用性强、鲁棒性好、实时性高.

基于MD-CM-SFLA神经网络的耳语音情感识别

提出了一种基于分子动力学模拟与云模型理论的改进混合蛙跳算法(MD-CM-SFLA).该算法将青蛙个体等效成分子,仅考虑最差个体和全局最优个体之间的吸引力,采用一种新的分子间作用力来代替两体间经典的Lennard-Jones作用力,并利用Velocity-Verlet算法和正态云发生器代替混合蛙跳算法的更新策略,有效平衡了种群的多样性和搜索的高效性.然后,将MD-CM-SFLA算法与BP神经网络相结合,设计出一种MD-CM-SFLA神经网络,并将其应用于耳语音情感识别中.耳语音情感识别结果表明,MD-CM-SFLA神经网络相对于BP神经网络具有明显的优势,在相同的测试条件下,其平均识别率较BP神经网络提高5.2%.由此表明,利用MD-CM-SFLA算法优化BP神经网络的参数,可以实现BP神经网络的快速收敛,获得较好的学习能力,从而为耳语音情感识别提供一种新思路.

基于python的分子动力学模拟程序编写及应用

本文利用python编写了分子动力学模拟程序,并利用该程序对He分子体系进行了详细研究。分别研究了不同初始条件,不同边界条件,截断点位置等的研究。在分子数为500,分子初速度为500的初始条件下,体系最终经过2.25e-11s发展成为麦克斯韦平衡体系。分别研究周期性边界条件与刚性边界对系统发展的影响,研究发现周期性边界条件与刚性边界条件最终对系统的发展没有明显影响。对截断点进行研究后发现,必须选取大于1.1*sigma(sigma为L-J势能中的常数,由实验可测定)作为截断,如果小于该值,体系由于数值误差将偏离物理实际。同时研究发现势函数对于体系的发展也具有重要影响。

不同温度下纳米单晶铜杆拉伸的分子动力学模拟

研究对不同温度下的纳米单晶铜杆的拉伸过程进行仿真模拟。模拟应用了分子动力学方法,所用势函数为镶嵌原子势(EAM),时间积分为Verlet速度算法,对构件的温度控制用速度标定法。对弛豫阶段在不同温度时的能量演化做了详细分析,采用对端面原子直接加力的方法施加外载荷进行拉伸模拟。根据模拟结果,对在不同温度下纳米单晶铜杆的应力-应变关系,温度对纳米单晶铜杆的破坏应力及弹性模量的影响等进行了分析和解释。

纳米管拉伸的分子动力学模拟

致力于对纳米单晶铝杆的拉伸过程进行仿真模拟研究.应用了分子动力学方法,所用势函数为紧束缚TB势函数,时间积分为Verlet速度算法.通过矢量叠加,得到系统的总能量及受力情况,进而通过系统达平衡后进行位移加载的方法,定性分析纳米尺度金属的拉伸特性,通过精确度分析,最终得出其相应的应力应变曲线与形状在宏观上大体一致的结论.