На днях (3/6/2022) вышел препринт [1], где сильная группа серьёзно обсуждает проблемы многоуровневых «крупнозернистых» состояний [2, 3]. Сущность сложнейшей задачи крупнозенистого моделирования систем вне равновесия рассмотрена совсем недавно в обзоре [4]. Дополняя глубокий уровень разумного текста Тани Шиллинг [4] правильным смыслом беспокойного состояния PIT00535 надо использовать «QM/MM методы» для биомолекулярных систем [5, 6]. Конечно, пора начинать разработку новых методов анализа переходов паттернов с уровня на уровень, скажем, скользящим трёхуровнемым приближением в методе дополнительных частиц DIA00115.

Литература

1. {Rohrbach2022} Rohrbach, Paul B., Hideki Kobayashi, Robert Scheichl, Nigel B. Wilding, and Robert L. Jack. Multilevel simulation of hard-sphere mixtures // Preprint arXiv 2206.00974 (2022). doi 10.48550/arXiv.2206.00974. Резюме. Мы представляем многоуровневый метод моделирования методом Монте-Карло для анализа многомасштабных физических систем с помощью иерархии крупнозернистых представлений, чтобы получить численно точные результаты на самом детальном уровне. Мы применяем метод к смеси асимметричных по размеру твердых сфер в большом каноническом ансамбле. Трехуровневый вариант метода сравнивается с ранее изученным двухуровневым вариантом [2, 3]. Дополнительный уровень интерполирует между полной смесью и крупнозернистым описанием, в котором присутствуют только крупные частицы — это достигается путем ограничения мелких частиц областями, близкими к крупным. Трехуровневый метод улучшает производительность оценки при фиксированных вычислительных затратах. Мы анализируем асимптотическую дисперсию оценки и обсуждаем механизмы повышения производительности.

2. Kobayashi, Hideki, Paul B. Rohrbach, Robert Scheichl, Nigel B. Wilding, and Robert L. Jack. Critical point for demixing of binary hard spheres // Physical Review E 104 (4), 044603 (2021). doi 10.1103/PhysRevE.104.044603. Резюме. Мы используем метод двухуровневого моделирования для анализа критической точки, связанной с расслоением бинарных смесей твердых сфер. В методе используется точная крупнозернистая модель с эффективными взаимодействиями двух и трех тел. Использование этой модели в рамках двухуровневой методики позволяет рассчитывать свойства полной (мелкозернистой) смеси. Критическая точка находится путем вычисления распределения вероятностей для числа крупных частиц в большом каноническом ансамбле и сопоставления с универсальной формой для трехмерного класса универсальности Изинга. Результаты имеют сильную и неожиданную зависимость от соотношения размеров между крупными и мелкими частицами, что связано с трехчастичным эффективным взаимодействием и геометрией лежащих в основе упаковок твердых сфер.

3. Kobayashi, Hideki, Paul B. Rohrbach, Robert Scheichl, Nigel B. Wilding, and Robert L. Jack. Correction of coarse-graining errors by a two-level method: Application to the Asakura-Oosawa model // The Journal of chemical physics 151 (14), 144108 (2019). doi 10.1063/1.5120833. Резюме. Мы представляем метод, который использует самосогласованное моделирование крупнозернистых и мелкозернистых моделей для анализа свойств физических систем. В методе используется крупнозернистая модель для получения первой оценки интересующей величины перед вычислением поправки путем анализа свойств точной системы. Мы проиллюстрируем этот метод, применив его к модели коллоидно-полимерных смесей Асакуры-Оосавы. Мы показываем, что на критическую точку жидкость-пар в этой системе влияют трехчастичные взаимодействия, которые не учитываются в соответствующей крупнозернистой модели. Мы анализируем величину этого эффекта и характер трехчастичных взаимодействий. Мы также анализируем точность метода как функцию связанных вычислительных усилий.

4. Schilling, Tanja. Coarse-grained modelling out of equilibrium // Physics Reports 972, 1-45 (2022). doi 10.1016/j.physrep.2022.04.006. Резюме. Активное вещество, реагирующие («умные») материалы и материалы, находящиеся под нагрузкой, зависящей от времени, являются системами, находящимися вне теплового равновесия. Чтобы построить крупнозернистые модели для таких систем, необходимо интегрировать распределение микросостояний, которое развивается во времени. Это сложная задача. В качестве подготовки к теме мы напомним равновесные методы грубой детализации, как теоретические, так и численные, такие как формализмы проекционных операторов, симуляции объединенных атомов, численную реконструкцию памяти и моделирование марковского состояния. Затем мы рассмотрим последние разработки в теоретических подходах к неравновесной задаче грубой детализации, в частности, формализмы нестационарных проекционных операторов, динамическую теорию функционала плотности и теория степенных функционалов, а также численные схемы для построения явно зависящих от времени ядер памяти.

5. {Tzeliou2022} Tzeliou, Christina Eleftheria, Markella Aliki Mermigki, and Demeter Tzeli. Review on the QM/MM Methodologies and Their Application to Metalloproteins // Molecules 27 (9), 2660 (2022). doi 10.3390/molecules27092660. Резюме. Подход мультимасштабной квантовой механики/молекулярной механики (QM/MM) был представлен в 1976 году, а широкое распространение этой методологии началось в 1990-х годах. Сочетание подхода QM/MM с моделированием молекулярной динамики (MD), иначе известного как подход QM/MM/MD, является мощным и многообещающим инструментом для исследования механизма химических реакций в сложных молекулярных системах, доставки лекарств, свойств молекулярные устройства, органическая электроника и т. д. В настоящем обзоре кратко обсуждаются основные методологии мультимасштабных подходов, т.е. теория функционала плотности (DFT), полуэмпирические методологии (SE), MD-моделирование, MM, а также их новые достижения. Затем представлен обзор расчетов и реакций на металлопротеинах, где особое внимание уделено нитрогеназе, которая катализирует превращение молекул атмосферного азота N₂ в NH₃ посредством процесса, известного как фиксация азота, и кофактора FeMo.

6. Mouvet, François, Justin Villard, Viacheslav Bolnykh, and Ursula Rothlisberger. Recent Advances in First-Principles Based Molecular Dynamics // Accounts of chemical research 55 (3), 221-230 (2022). doi 10.1021/acs.accounts.1c00503. Конспект. Молекулярная динамика из первых принципов (FPMD) и ее квантово-молекулярно-механические расширения (QM/MM) являются мощными инструментами для отслеживания в реальном времени динамики широкого спектра систем в их основном, а также в электронно-возбужденных состояниях. Непрерывный прогресс в области вычислительной мощности позволил моделировать QM-области больших размеров для более длительных временных масштабов. Кроме того, разработка параллельных алгоритмов повысила производительность методов QM/MM даже на существующих компьютерных архитектурах. В случае FPMD, основанного на функционале плотности, теперь можно обычно моделировать системы из нескольких сотен и тысяч атомов в течение десятков и сотен пикосекунд. Несмотря на этот прогресс, временные ограничения остаются серьезными, особенно когда используются высокоуровневые обменно-корреляционные функционалы или высокоуровневые квантово-механические методы, основанные на волновой функции. Чтобы улучшить это, было введено большое количество расширенных методов выборки, но большинство подходов, которые были разработаны для повышения эффективности моделирования на основе FPMD, жертвуют динамикой в ​​реальном времени в пользу улучшения выборки. Здесь мы представляем некоторые последние достижения в повышении эффективности моделирования на основе FPMD при сохранении полной динамической информации. К ним относится недавняя высокоэффективная реализация моделирования QM/MM на основе FPMD, которая не только обеспечивает полностью гибкие комбинации различных методов электронной структуры и силовых полей с помощью высокоэффективной коммуникационной библиотеки, но также полностью использует параллелизм как для квантовых, так и для классических описаний. Второй тип методов ускорения, который мы обсуждаем, представляет собой большое семейство специально разработанных многошаговых алгоритмов, использующих подходящее разбиение полных ядерных сил на быстрые компоненты, которые можно вычислить с помощью методов более низкого уровня, и медленно меняющиеся поправочные силы, оцениваемые с помощью высокоуровневый метод на больших временных интервалах. Вычислительный выигрыш этой схемы в основном зависит от разницы в стоимости между двумя методами, и выгодные комбинации могут привести к значительному ускорению без ущерба для точности высокоуровневого метода. И, наконец, третий класс представленных здесь методов ускорения FPMD — это модели машинного обучения для ускорения FPMD и их мощные комбинации с методами с несколькими временными шагами.