మాలిక్యులర్ డైనమిక్స్

ఒక సాధారణ వ్యవస్థలో మాలిక్యులర్ డైనమిక్స్ అనుకరణకు ఉదాహరణ: ఒక రాగి (Cu) పరమాణువును చల్లని రాగి స్పటికం (మిల్లర్ సూచిక (001) ఉపరితలం) పై నిక్షేపించడం. ప్రతి వృత్తం ఒక పరమాణువు యొక్క స్థానాన్ని సూచిస్తుంది. పై నుండి వస్తున్న పరమాణువు యొక్క గతి శక్తి ఇతర పరమాణువుల మధ్య పంపిణీ చేయబడుతుంది, కాబట్టి అది వెనక్కి ఎగిరిపోకుండా పరమాణువుల మధ్య ఉండే ఆకర్షణ బలాల వల్ల అతుక్కుని ఉంటుంది.

మాలిక్యులర్ డైనమిక్స్ అనుకరణలను తరచుగా బయోఫిజికల్ వ్యవస్థలను అధ్యయనం చేయడానికి ఉపయోగిస్తారు. ఇక్కడ చూపబడింది నీటి యొక్క 100 ps అనుకరణ.

ప్రిడిక్టర్-కరెక్టర్-రకం ఇంటిగ్రేటర్ ఉపయోగించినప్పుడు, ప్రామాణిక మాలిక్యులర్ డైనమిక్స్ అనుకరణ అల్గారిథమ్ యొక్క సరళీకృత వివరణ. బలాలను శాస్త్రీయ అంతర పరమాణు పొటెన్షియల్ల నుండి (గణితపరంగా $F=-\mathrm{\nabla }V(\overrightarrow{r})$గా వివరించబడ్డాయి) లేదా క్వాంటం మెకానికల్ (గణితపరంగా $F=F(\mathrm{\Psi }(\overrightarrow{r}))$గా వివరించబడ్డాయి) పద్ధతుల నుండి పొందవచ్చు. వివిధ ఇంటిగ్రేటర్ల మధ్య పెద్ద వ్యత్యాసాలు ఉన్నాయి; కొన్ని ఫ్లో చార్ట్‌లో సూచించినట్లుగా ఖచ్చితంగా ఒకే అత్యున్నత-క్రమ పదాలను కలిగి ఉండవు, చాలా వరకు ఉన్నత-క్రమ సమయ ఉత్పన్నాలను ఉపయోగిస్తాయి, మరియు కొన్ని వేరియబుల్-టైమ్ స్టెప్ స్కీమ్‌లలో ప్రస్తుత మరియు ముందస్తు సమయ దశలను రెండింటినీ ఉపయోగిస్తాయి.

మాలిక్యులర్ డైనమిక్స్ (MD) అనేది పరమాణువులు మరియు అణువుల యొక్క భౌతిక కదలికలను విశ్లేషించడానికి ఉపయోగించే ఒక కంప్యూటర్ అనుకరణ పద్ధతి. పరమాణువులు మరియు అణువులు ఒక నిర్ణీత కాలం పాటు పరస్పరం చర్య చెందడానికి అనుమతించబడతాయి, ఇది వ్యవస్థ యొక్క గతిశీల "పరిణామం" యొక్క దృశ్యాన్ని అందిస్తుంది. అత్యంత సాధారణ వెర్షన్‌లో, పరమాణువులు మరియు అణువుల పథాలు పరస్పర చర్య చేసే కణాల వ్యవస్థ కోసం న్యూటన్ చలన సమీకరణాలను సంఖ్యాపరంగా పరిష్కరించడం ద్వారా నిర్ణయించబడతాయి, ఇక్కడ కణాల మధ్య బలాలు మరియు వాటి స్థితి శక్తులు తరచుగా అంతర పరమాణు పొటెన్షియల్లు లేదా మాలిక్యులర్ మెకానికల్ ఫోర్స్ ఫీల్డ్లను ఉపయోగించి లెక్కించబడతాయి. MD అనుకరణలు రసాయన భౌతికశాస్త్రం, పదార్థ విజ్ఞానం, మరియు బయోఫిజిక్స్లలో విస్తృతంగా ఉపయోగించబడుతున్నాయి.

మాలిక్యులర్ వ్యవస్థలు సాధారణంగా భారీ సంఖ్యలో కణాలను కలిగి ఉంటాయి కాబట్టి, అటువంటి సంక్లిష్ట వ్యవస్థల ధర్మాలను విశ్లేషణాత్మకంగా నిర్ణయించడం అసాధ్యం; MD అనుకరణ సంఖ్యా పద్ధతులను ఉపయోగించడం ద్వారా ఈ సమస్యను అధిగమిస్తుంది. అయితే, సుదీర్ఘమైన MD అనుకరణలు గణితపరంగా ill-conditionedగా ఉంటాయి, ఇవి సంఖ్యాపరమైన ఇంటిగ్రేషన్‌లో సంచిత లోపాలను కలిగిస్తాయి, వీటిని సరైన అల్గారిథమ్‌లు మరియు పారామితులను ఎంచుకోవడం ద్వారా తగ్గించవచ్చు, కానీ పూర్తిగా తొలగించలేము.

ఎర్గోడిక్ పరికల్పనను పాటించే వ్యవస్థల కోసం, ఒక మాలిక్యులర్ డైనమిక్స్ అనుకరణ యొక్క పరిణామం వ్యవస్థ యొక్క స్థూల థర్మోడైనమిక్ ధర్మాలను నిర్ణయించడానికి ఉపయోగించవచ్చు: ఒక ఎర్గోడిక్ వ్యవస్థ యొక్క సమయ సగటులు మైక్రోకానానికల్ ఎన్సెంబుల్ సగటులకు అనుగుణంగా ఉంటాయి. MDని "సంఖ్యల ద్వారా గణాంక మెకానిక్స్" మరియు ప్రకృతి యొక్క బలాలను యానిమేట్ చేయడం ద్వారా భవిష్యత్తును అంచనా వేసే లాప్లేస్ యొక్క న్యూటోనియన్ మెకానిక్స్ దృష్టి అని కూడా పిలుస్తారు మరియు పరమాణు స్థాయిలో పరమాణు కదలికపై అంతర్దృష్టిని అనుమతిస్తుంది.

చరిత్ర

MD మొదట 1950ల ప్రారంభంలో అభివృద్ధి చేయబడింది, ఇది మోంటే కార్లో అనుకరణల యొక్క ముందస్తు విజయాలను అనుసరించింది, ఇవి పద్దెనిమిదవ శతాబ్దానికి చెందినవి, ఉదాహరణకు బఫ్ఫన్స్ నీడిల్ సమస్యలో, కానీ లాస్ అలమోస్ నేషనల్ లాబొరేటరీలో మార్షల్ రోసెన్‌బ్లత్ మరియు నికోలస్ మెట్రోపాలిస్ ద్వారా గణాంక మెకానిక్స్ కోసం ప్రాచుర్యం పొందింది, దీనిని నేడు మెట్రోపాలిస్-హేస్టింగ్స్ అల్గారిథమ్ అని పిలుస్తారు. N-బాడీ వ్యవస్థల సమయ పరిణామంపై ఆసక్తి పదిహేడవ శతాబ్దంలో ఐజాక్ న్యూటన్తో ప్రారంభమై చాలా ముందుగానే ఉంది, మరియు తదుపరి శతాబ్దంలో ప్రధానంగా ఖగోళ మెకానిక్స్ మరియు సౌర వ్యవస్థ స్థిరత్వం వంటి సమస్యలపై దృష్టి సారించింది. నేడు ఉపయోగించే అనేక సంఖ్యా పద్ధతులు ఈ కాలంలోనే అభివృద్ధి చేయబడ్డాయి, ఇది కంప్యూటర్ల వినియోగానికి ముందు జరిగింది; ఉదాహరణకు, నేడు ఉపయోగించే అత్యంత సాధారణ ఇంటిగ్రేషన్ అల్గారిథమ్, వెర్లెట్ ఇంటిగ్రేషన్ అల్గారిథమ్, 1791లోనే జీన్ బాప్టిస్ట్ జోసెఫ్ డెలాంబ్రే ద్వారా ఉపయోగించబడింది. ఈ అల్గారిథమ్‌లతో కూడిన సంఖ్యా గణనలను "చేతితో" చేసిన MDగా పరిగణించవచ్చు.

1941లోనే, అనేక-కణాల చలన సమీకరణాల ఇంటిగ్రేషన్ అనలాగ్ కంప్యూటర్లతో నిర్వహించబడింది. కొందరు స్థూల గోళాలను ఉపయోగించి భౌతిక నమూనాలను నిర్మించడం ద్వారా పరమాణు కదలికను మోడల్ చేసే శ్రమతో కూడిన పనిని చేపట్టారు. ద్రవం యొక్క నిర్మాణాన్ని ప్రతిబింబించేలా వాటిని అమర్చడం మరియు దాని ప్రవర్తనను పరిశీలించడం దీని లక్ష్యం. జె.డి. బెర్నాల్ 1962లో ఈ ప్రక్రియను వివరిస్తూ ఇలా వ్రాశారు:

... నేను కొన్ని రబ్బరు బంతులను తీసుకుని, 2.75 నుండి 4 అంగుళాల వరకు వివిధ పొడవుల రాడ్లతో వాటిని కలిపి ఉంచాను. నేను దీన్ని మొదట వీలైనంత సాధారణంగా చేయడానికి ప్రయత్నించాను, నా స్వంత కార్యాలయంలో పని చేస్తూ, ప్రతి ఐదు నిమిషాలకు అంతరాయం కలిగిస్తూ, అంతరాయానికి ముందు నేను ఏమి చేశానో గుర్తులేకుండా ఉండేవాడిని.

సూక్ష్మ కణాల ఆవిష్కరణ మరియు కంప్యూటర్ల అభివృద్ధి తర్వాత, ఆసక్తి గురుత్వాకర్షణ వ్యవస్థల పరీక్షా క్షేత్రం నుండి పదార్థం యొక్క గణాంక ధర్మాల వైపు విస్తరించింది. అనివార్యత (irreversibility) యొక్క మూలాన్ని అర్థం చేసుకోవడానికి, ఎన్రికో ఫెర్మి 1953లో ప్రతిపాదించి, 1955లో ప్రచురించారు, అనేక-కణాల వ్యవస్థ కోసం చలన సమీకరణాల సమయ పరిణామాన్ని పరిష్కరించడానికి లాస్ అలమోస్ నేషనల్ లాబొరేటరీలో ఉన్న ప్రారంభ కంప్యూటర్ MANIAC Iని ఉపయోగించడం. నేడు, ఈ కీలకమైన పనిని ఫెర్మి-పాస్టా-ఉలామ్-సింగౌ సమస్య అని పిలుస్తారు. అసలు పని నుండి శక్తి యొక్క సమయ పరిణామం కుడివైపున ఉన్న చిత్రంలో చూపబడింది.

ప్రకృతిలో అనివార్యత యొక్క మూలాలను అర్థం చేసుకోవడానికి ఫెర్మి మరియు సహచరులు MANIAC-I పై నిర్వహించిన ప్రారంభ N-బాడీ వ్యవస్థ అనుకరణలలో ఇది ఒకటి. ఇక్కడ 64-కణాల వ్యవస్థ కోసం శక్తి వర్సెస్ సమయం చూపబడింది.

1957లో, బెర్నీ ఆల్డర్ మరియు థామస్ వెయిన్‌రైట్ IBM 704 కంప్యూటర్‌ను ఉపయోగించి హార్డ్ స్పియర్స్ మధ్య సంపూర్ణ స్థితిస్థాపక ఘర్షణలను అనుకరించారు. 1960లో, బహుశా పదార్థం యొక్క మొదటి వాస్తవిక అనుకరణలో, జె.బి. గిబ్సన్ మరియు ఇతరులు బోర్న్-మేయర్ రకమైన వికర్షక పరస్పర చర్యతో పాటు సంసంజన ఉపరితల బలాన్ని ఉపయోగించి ఘన రాగి యొక్క రేడియేషన్ నష్టాన్ని అనుకరించారు. 1964లో, అనీసుర్ రెహమాన్ లెనార్డ్-జోన్స్ పొటెన్షియల్ ఉపయోగించి ద్రవ ఆర్గాన్ అనుకరణలను ప్రచురించారు; స్వీయ-వ్యాప్తి గుణకం వంటి వ్యవస్థ ధర్మాల గణనలు ప్రయోగాత్మక డేటాతో బాగా సరిపోలాయి. నేడు, లెనార్డ్-జోన్స్ పొటెన్షియల్ ఇప్పటికీ అత్యంత తరచుగా ఉపయోగించే అంతర అణు పొటెన్షియల్లలో ఒకటి. ఇది సాధారణ పదార్థాలను (దీనిని లెనార్డ్-జోన్సియం అని కూడా పిలుస్తారు) సంభావిత మరియు నమూనా అధ్యయనాల కోసం మరియు నిజమైన పదార్థాల అనేక ఫోర్స్ ఫీల్డ్లలో ఒక బిల్డింగ్ బ్లాక్‌గా ఉపయోగించబడుతుంది.

అప్లికేషన్ మరియు పరిమితుల రంగాలు

మొదట సైద్ధాంతిక భౌతికశాస్త్రంలో ఉపయోగించబడిన మాలిక్యులర్ డైనమిక్స్ పద్ధతి, ఆ తర్వాత త్వరలోనే పదార్థ విజ్ఞానంలో ప్రజాదరణ పొందింది, మరియు 1970ల నుండి ఇది జీవరసాయన శాస్త్రం మరియు బయోఫిజిక్స్లలో కూడా సాధారణంగా ఉపయోగించబడుతోంది. ఎక్స్-రే క్రిస్టల్లాగ్రఫీ లేదా NMR స్పెక్ట్రోస్కోపీ నుండి ప్రయోగాత్మక పరిమితుల ఆధారంగా ప్రోటీన్లు మరియు ఇతర మాక్రోమాలిక్యూల్ల యొక్క 3-డైమెన్షనల్ నిర్మాణాలను మెరుగుపరచడానికి MD తరచుగా ఉపయోగించబడుతుంది. భౌతికశాస్త్రంలో, సన్నని పొర పెరుగుదల మరియు అయాన్ సబ్‌ప్లాంటేషన్ వంటి నేరుగా గమనించలేని పరమాణు-స్థాయి దృగ్విషయాల గతిశీలతను పరిశీలించడానికి మరియు ఇంకా సృష్టించబడని లేదా సృష్టించలేని నానోటెక్నలాజికల్ పరికరాల భౌతిక ధర్మాలను పరిశీలించడానికి MD ఉపయోగించబడుతుంది. బయోఫిజిక్స్ మరియు స్ట్రక్చరల్ బయాలజీలో, ఈ పద్ధతి తరచుగా ప్రోటీన్లు మరియు న్యూక్లియిక్ ఆమ్లాలు వంటి మాక్రోమాలిక్యూల్స్ యొక్క కదలికలను అధ్యయనం చేయడానికి వర్తించబడుతుంది, ఇది కొన్ని బయోఫిజికల్ ప్రయోగాల ఫలితాలను వివరించడానికి మరియు లిగాండ్ డాకింగ్లో వలె ఇతర అణువులతో పరస్పర చర్యలను మోడల్ చేయడానికి ఉపయోగపడుతుంది. సూత్రప్రాయంగా, MDని రాండమ్ కాయిల్ నుండి పాలీపెప్టైడ్ గొలుసు యొక్క ఫోల్డింగ్ను అనుకరించడం ద్వారా ప్రోటీన్ నిర్మాణం యొక్క అబ్ ఇనిషియో అంచనా కోసం ఉపయోగించవచ్చు. MDని ఔషధ ద్రావణీయతలు మరియు ద్రావణీకరణ యొక్క ఉచిత శక్తులు వంటి ఇతర థర్మోడైనమిక్ ధర్మాలను లెక్కించడానికి కూడా ఉపయోగించవచ్చు పాలిమర్‌లతో సహా.

MD అనుకరణల ఫలితాలను మాలిక్యులర్ డైనమిక్స్‌ను కొలిచే ప్రయోగాలతో పోల్చడం ద్వారా పరీక్షించవచ్చు, ఇందులో NMR స్పెక్ట్రోస్కోపీ ఒక ప్రసిద్ధ పద్ధతి. MD-ఉత్పన్న నిర్మాణ అంచనాలను క్రిటికల్ అసెస్‌మెంట్ ఆఫ్ ప్రోటీన్ స్ట్రక్చర్ ప్రిడిక్షన్ (CASP)లో కమ్యూనిటీ-వ్యాప్త ప్రయోగాల ద్వారా పరీక్షించవచ్చు, అయినప్పటికీ ఈ రంగంలో ఈ పద్ధతి చారిత్రాత్మకంగా పరిమిత విజయాన్ని మాత్రమే సాధించింది. ప్రోటీన్లకు MDని వర్తింపజేసినందుకు పాక్షికంగా నోబెల్ బహుమతిని పంచుకున్న మైఖేల్ లెవిట్, 1999లో CASP పాల్గొనేవారు సాధారణంగా ఈ పద్ధతిని ఉపయోగించలేదని వ్రాశారు, ఎందుకంటే "... మాలిక్యులర్ మెకానిక్స్ యొక్క కేంద్ర ఇబ్బంది ఏమిటంటే, శక్తి కనిష్టీకరణ లేదా మాలిక్యులర్ డైనమిక్స్ సాధారణంగా ప్రయోగాత్మక నిర్మాణానికి తక్కువ సారూప్యత కలిగిన నమూనాకు దారితీస్తుంది". ఎక్కువ మరియు సుదీర్ఘమైన MD పథాలను అనుమతించే కంప్యూటేషనల్ వనరులలో మెరుగుదలలు, ఫోర్స్ ఫీల్డ్ పారామితుల నాణ్యతలో ఆధునిక మెరుగుదలలతో కలిపి, నిర్మాణం అంచనా మరియు హోమోలజీ మోడల్ మెరుగుదల రెండింటిలోనూ కొన్ని మెరుగుదలలను ఇచ్చాయి, అయితే ఈ రంగాలలో ఆచరణాత్మక వినియోగం స్థాయికి చేరుకోలేదు; చాలామంది ఫోర్స్ ఫీల్డ్ పారామితులను మరింత అభివృద్ధికి కీలకమైన రంగంగా గుర్తిస్తారు.

ఫార్మాకోఫోర్ అభివృద్ధి మరియు ఔషధ రూపకల్పన కోసం MD అనుకరణ నివేదించబడింది. ఉదాహరణకు, పింటో మరియు ఇతరులు లిగాండ్ బైండింగ్‌లో పాల్గొనే కీలకమైన అమైనో ఆమ్లాల సగటు స్థానాలను లెక్కించడానికి Bcl-xL కాంప్లెక్స్‌ల MD అనుకరణలను అమలు చేశారు. కార్ల్సన్ మరియు ఇతరులు యాక్టివ్ సైట్ యొక్క కన్ఫర్మేషన్ మరియు ఫ్లెక్సిబిలిటీకి కనీస అంతరాయం కలిగిస్తూ రిసెప్టర్ను పూర్తి చేసే సమ్మేళనాలను గుర్తించడానికి మాలిక్యులర్ డైనమిక్స్ అనుకరణలను అమలు చేశారు. ఫార్మాకోఫోర్ అభివృద్ధి కోసం సంరక్షించబడిన బైండింగ్ ప్రాంతాలను (పదకొండు ఫ్రేమ్‌లలో కనీసం మూడింటిలో సంరక్షించబడినవి) గుర్తించడానికి అనుకరణ సమయంలో స్థిరమైన సమయ వ్యవధిలో ప్రోటీన్ యొక్క స్నాప్‌షాట్‌లు అతివ్యాప్తి చేయబడ్డాయి. స్ప్రియాకిస్ మరియు ఇతరులు MD అనుకరణలు, లిగాండ్లు మరియు ప్రోటీన్ల కోసం ఫింగర్‌ప్రింట్లు (FLAP) మరియు లీనియర్ డిస్క్రిమినెంట్ అనాలిసిస్ (LDA) యొక్క వర్క్‌ఫ్లోపై ఆధారపడి, ఫలిత ఫార్మాకోఫోర్‌ల యొక్క రెట్రోస్పెక్టివ్ ROC విశ్లేషణ ఆధారంగా ఫార్మాకోఫోర్ టెంప్లేట్‌లుగా పనిచేయడానికి ఉత్తమమైన లిగాండ్-ప్రోటీన్ కన్ఫర్మేషన్‌లను గుర్తించారు. అనేక మోడల్ సమ్మేళనాల అవసరానికి సంబంధించి, స్ట్రక్చర్-ఆధారిత ఔషధ ఆవిష్కరణ మోడలింగ్‌ను మెరుగుపరిచే ప్రయత్నంలో, హత్మల్ మరియు ఇతరులు ఒకే లిగాండ్-ప్రోటీన్ కాంప్లెక్స్‌లో అనవసరమైన వాటి నుండి కీలకమైన ఇంటర్‌మాలిక్యులర్ కాంటాక్ట్‌లను (బైండింగ్ పరస్పర చర్యలు) గుర్తించడానికి MD అనుకరణ మరియు లిగాండ్-రిసెప్టర్ ఇంటర్‌మాలిక్యులర్ కాంటాక్ట్స్ విశ్లేషణ కలయికను ప్రతిపాదించారు. కీలకమైన కాంటాక్ట్‌లను వర్చువల్ స్క్రీనింగ్ కోసం ఉపయోగించగల ఫార్మాకోఫోర్ నమూనాలుగా మార్చవచ్చు.

ఒక ముఖ్యమైన అంశం ఇంట్రామాలిక్యులర్ హైడ్రోజన్ బాండ్లు, ఇవి ఆధునిక ఫోర్స్ ఫీల్డ్లలో స్పష్టంగా చేర్చబడలేదు, కానీ పరమాణు పాయింట్ ఛార్జ్ల యొక్క కూలుంబ్ పరస్పర చర్యలుగా వివరించబడ్డాయి. ఇది ఒక ముడి అంచనా ఎందుకంటే హైడ్రోజన్ బంధాలు పాక్షికంగా క్వాంటం మెకానికల్ మరియు రసాయన స్వభావాన్ని కలిగి ఉంటాయి. అంతేకాకుండా, ఎలెక్ట్రోస్టాటిక్ పరస్పర చర్యలు సాధారణంగా శూన్యత యొక్క డైలెక్ట్రిక్ స్థిరాంకం ఉపయోగించి లెక్కించబడతాయి, అయినప్పటికీ చుట్టూ ఉన్న జల ద్రావణం చాలా ఎక్కువ డైలెక్ట్రిక్ స్థిరాంకాన్ని కలిగి ఉంటుంది. అందువల్ల, తక్కువ అంతర పరమాణు దూరాల వద్ద స్థూల డైలెక్ట్రిక్ స్థిరాంకాన్ని ఉపయోగించడం ప్రశ్నార్థకం. చివరగా, MDలో వాన్ డెర్ వాల్స్ పరస్పర చర్యలు సాధారణంగా లెనార్డ్-జోన్స్ పొటెన్షియల్ల ద్వారా వివరించబడతాయి, ఇవి ఫ్రిట్జ్ లండన్ సిద్ధాంతంపై ఆధారపడి ఉంటాయి, ఇది శూన్యంలో మాత్రమే వర్తిస్తుంది. అయితే, అన్ని రకాల వాన్ డెర్ వాల్స్ బలాలు చివరికి ఎలెక్ట్రోస్టాటిక్ మూలాన్ని కలిగి ఉంటాయి మరియు అందువల్ల పర్యావరణం యొక్క డైలెక్ట్రిక్ ధర్మాలపై ఆధారపడి ఉంటాయి. వివిధ పదార్థాల మధ్య ఆకర్షణ బలాల ప్రత్యక్ష కొలత (హమాకర్ స్థిరాంకంగా) "నీటి ద్వారా హైడ్రోకార్బన్ల మధ్య పరస్పర చర్య శూన్యం ద్వారా జరిగే దానిలో సుమారు 10%" అని చూపుతుంది. వాన్ డెర్ వాల్స్ బలాల యొక్క పర్యావరణ-ఆధారితత ప్రామాణిక అనుకరణలలో విస్మరించబడుతుంది, కానీ పోలరైజబుల్ ఫోర్స్ ఫీల్డ్లను అభివృద్ధి చేయడం ద్వారా చేర్చవచ్చు.

డిజైన్ పరిమితులు

మాలిక్యులర్ డైనమిక్స్ అనుకరణ రూపకల్పన అందుబాటులో ఉన్న కంప్యూటేషనల్ శక్తిని పరిగణనలోకి తీసుకోవాలి. అనుకరణ పరిమాణం (n = కణాల సంఖ్య), టైమ్‌స్టెప్ మరియు మొత్తం సమయ వ్యవధిని ఎంచుకోవాలి, తద్వారా గణన సహేతుకమైన సమయ వ్యవధిలో పూర్తవుతుంది. అయితే, అధ్యయనం చేయబడుతున్న సహజ ప్రక్రియల సమయ ప్రమాణాలకు అనుగుణంగా అనుకరణలు తగినంత సుదీర్ఘంగా ఉండాలి. అనుకరణల నుండి గణాంకపరంగా చెల్లుబాటు అయ్యే ముగింపులను పొందడానికి, అనుకరించిన సమయ వ్యవధి సహజ ప్రక్రియ యొక్క కైనెటిక్స్కు సరిపోలాలి. లేకపోతే, ఇది ఒక అడుగు కంటే తక్కువ దూరం చూసి ఒక మనిషి ఎలా నడుస్తాడో ముగింపులు చెప్పడం వంటిది. ప్రోటీన్లు మరియు DNA యొక్క గతిశీలత గురించి చాలా శాస్త్రీయ ప్రచురణలు నానోసెకన్లు (10⁻⁹ s) నుండి మైక్రోసెకన్ల (10⁻⁶ s) వరకు విస్తరించి ఉన్న అనుకరణల నుండి డేటాను ఉపయోగిస్తాయి. ఈ అనుకరణలను పొందడానికి, అనేక CPU-రోజులు నుండి CPU-సంవత్సరాలు అవసరం. సమాంతర అల్గారిథమ్‌లు లోడ్‌ను CPUల మధ్య పంపిణీ చేయడానికి అనుమతిస్తాయి; దీనికి ఉదాహరణ స్పేషియల్ లేదా ఫోర్స్ డికంపోజిషన్ అల్గారిథమ్.

క్లాసికల్ MD అనుకరణ సమయంలో, అత్యంత CPU ఇంటెన్సివ్ పని కణాల అంతర్గత కోఆర్డినేట్ల ఫంక్షన్‌గా పొటెన్షియల్‌ను మూల్యాంకనం చేయడం. ఆ శక్తి మూల్యాంకనంలో, అత్యంత ఖరీదైనది నాన్-బాండెడ్ లేదా నాన్-కోవాలెంట్ భాగం. బిగ్ O నోటేషన్లో, సాధారణ మాలిక్యులర్ డైనమిక్స్ అనుకరణలు $O(n^2)$ ద్వారా స్కేల్ అవుతాయి, ఒకవేళ అన్ని జంట-వారీ ఎలెక్ట్రోస్టాటిక్ మరియు వాన్ డెర్ వాల్స్ పరస్పర చర్యలను స్పష్టంగా పరిగణనలోకి తీసుకోవాలి. పార్టికల్ మెష్ ఎవాల్డ్ సమ్మేషన్ ( $O(n\log (n))$ ), పార్టికల్-పార్టికల్-పార్టికల్ మెష్ (P³M), లేదా మంచి స్పెరికల్ కటాఫ్ పద్ధతులు ( $O(n)$ ) వంటి ఎలెక్ట్రోస్టాటిక్స్ పద్ధతులను ఉపయోగించడం ద్వారా ఈ కంప్యూటేషనల్ ఖర్చును తగ్గించవచ్చు.

అనుకరణకు అవసరమైన మొత్తం CPU సమయాన్ని ప్రభావితం చేసే మరొక అంశం ఇంటిగ్రేషన్ టైమ్‌స్టెప్ పరిమాణం. ఇది పొటెన్షియల్ మూల్యాంకనాల మధ్య సమయ వ్యవధి. డిస్క్రిటైజేషన్ లోపాలను నివారించడానికి టైమ్‌స్టెప్‌ను తగినంత చిన్నదిగా ఎంచుకోవాలి (అంటే, వ్యవస్థలోని వేగవంతమైన వైబ్రేషనల్ ఫ్రీక్వెన్సీకి సంబంధించిన కాల వ్యవధి కంటే చిన్నది). క్లాసికల్ MD కోసం సాధారణ టైమ్‌స్టెప్‌లు 1 ఫెమ్టోసెకండ్ (10⁻¹⁵ s) క్రమంలో ఉంటాయి. SHAKE constraint అల్గారిథమ్ వంటి అల్గారిథమ్‌లను ఉపయోగించడం ద్వారా ఈ విలువను పొడిగించవచ్చు, ఇవి వేగవంతమైన పరమాణువుల (ఉదా. హైడ్రోజన్లు) వైబ్రేషన్లను స్థిరంగా ఉంచుతాయి. నెమ్మదిగా ఉండే సుదూర బలాల అప్‌డేట్‌ల మధ్య పొడిగించిన సమయాలను అనుమతించే మల్టిపుల్ టైమ్ స్కేల్ పద్ధతులు కూడా అభివృద్ధి చేయబడ్డాయి.

ద్రావణిలో అణువులను అనుకరించడానికి, ఎక్స్‌ప్లిసిట్ మరియు ఇంప్లిసిట్ ద్రావణి మధ్య ఎంపిక చేసుకోవాలి. ఎక్స్‌ప్లిసిట్ ద్రావణి కణాలను (ఉదాహరణకు TIP3P, SPC/E మరియు SPC-f వాటర్ మోడల్స్) ఫోర్స్ ఫీల్డ్ ద్వారా ఖరీదైన పద్ధతిలో లెక్కించాలి, అయితే ఇంప్లిసిట్ ద్రావణులు మీన్-ఫీల్డ్ విధానాన్ని ఉపయోగిస్తాయి. ఎక్స్‌ప్లిసిట్ ద్రావణిని ఉపయోగించడం కంప్యూటేషనల్‌గా ఖరీదైనది, అనుకరణలో సుమారు పది రెట్లు ఎక్కువ కణాలను చేర్చాల్సి ఉంటుంది. కానీ ద్రావణీయ అణువుల కొన్ని ధర్మాలను పునరుత్పత్తి చేయడానికి ఎక్స్‌ప్లిసిట్ ద్రావణి యొక్క గ్రాన్యులారిటీ మరియు విస్కాసిటీ అవసరం. రసాయన కైనెటిక్స్ను పునరుత్పత్తి చేయడానికి ఇది ప్రత్యేకంగా ముఖ్యం.

అన్ని రకాల మాలిక్యులర్ డైనమిక్స్ అనుకరణలలో, బౌండరీ కండిషన్ ఆర్టిఫాక్ట్‌లను నివారించడానికి అనుకరణ బాక్స్ పరిమాణం తగినంత పెద్దదిగా ఉండాలి. బౌండరీ కండిషన్లు తరచుగా అంచులలో స్థిర విలువలను ఎంచుకోవడం ద్వారా (ఇది ఆర్టిఫాక్ట్‌లను కలిగించవచ్చు), లేదా పీరియాడిక్ బౌండరీ కండిషన్లు ఉపయోగించడం ద్వారా నిర్వహించబడతాయి, ఇందులో అనుకరణ యొక్క ఒక వైపు వ్యతిరేక వైపుకు లూప్ అవుతుంది, ఇది బల్క్ ఫేజ్‌ను అనుకరిస్తుంది (ఇది కూడా ఆర్టిఫాక్ట్‌లను కలిగించవచ్చు).

మాలిక్యులర్ డైనమిక్స్‌తో (ఎరుపు రంగులో) వ్యవస్థ యొక్క పొటెన్షియల్ ఎనర్జీ సర్ఫేస్ యొక్క శాంప్లింగ్ యొక్క స్కీమాటిక్ ప్రాతినిధ్యం, మోంటే కార్లో పద్ధతులతో (నీలం రంగులో) పోల్చబడింది

మైక్రోకానానికల్ ఎన్సెంబుల్ (NVE)

మైక్రోకానానికల్ ఎన్సెంబుల్లో, వ్యవస్థ మోల్స్ (N), వాల్యూమ్ (V), మరియు శక్తి (E) మార్పుల నుండి వేరుచేయబడుతుంది. ఇది ఉష్ణ మార్పిడి లేని అడియాబాటిక్ ప్రక్రియకు అనుగుణంగా ఉంటుంది. ఒక మైక్రోకానానికల్ మాలిక్యులర్ డైనమిక్స్ పథాన్ని పొటెన్షియల్ మరియు గతి శక్తి యొక్క మార్పిడిగా చూడవచ్చు, మొత్తం శక్తి సంరక్షించబడుతుంది. కోఆర్డినేట్లు $X$ మరియు వేగాలతో $V$ ఉన్న N కణాల వ్యవస్థ కోసం, కింది మొదటి క్రమ అవకలన సమీకరణాల జంటను న్యూటన్ నోటేషన్లో ఇలా వ్రాయవచ్చు

$F(X)=-\mathrm{\nabla }U(X)=M\dot{V}(t)$

$V(t)=\dot{X}(t).$

వ్యవస్థ యొక్క స్థితి శక్తి ఫంక్షన్ $U(X)$ అనేది కణ కోఆర్డినేట్లు $X$ యొక్క ఫంక్షన్. దీనిని భౌతికశాస్త్రంలో కేవలం పొటెన్షియల్ అని, లేదా కెమిస్ట్రీలో ఫోర్స్ ఫీల్డ్ అని పిలుస్తారు. మొదటి సమీకరణం న్యూటన్ చలన నియమాల నుండి వస్తుంది; వ్యవస్థలోని ప్రతి కణంపై పనిచేసే బలం $F$ను $U(X)$ యొక్క నెగటివ్ గ్రేడియంట్‌గా లెక్కించవచ్చు.

ప్రతి సమయ దశ (time step) కోసం, ప్రతి కణం యొక్క స్థానం $X$ మరియు వేగం $V$ లను వెర్లెట్ ఇంటిగ్రేషన్ (Verlet integration) వంటి సింప్లెక్టిక్ ఇంటిగ్రేటర్ (symplectic integrator) పద్ధతితో ఇంటిగ్రేట్ చేయవచ్చు. $X$ మరియు $V$ ల యొక్క సమయ పరిణామాన్ని ట్రాజెక్టరీ అని పిలుస్తారు. ప్రారంభ స్థానాలు (ఉదాహరణకు, సైద్ధాంతిక పరిజ్ఞానం నుండి) మరియు వేగాలను (ఉదాహరణకు, యాదృచ్ఛిక గాసియన్) ఇచ్చినట్లయితే, మనం భవిష్యత్తు (లేదా గత) స్థానాలను మరియు వేగాలను లెక్కించవచ్చు.

MDలో ఉష్ణోగ్రత (temperature) యొక్క అర్థం తరచుగా గందరగోళానికి గురిచేసే అంశం. సాధారణంగా మనకు స్థూల ఉష్ణోగ్రతల గురించి అనుభవం ఉంటుంది, ఇవి భారీ సంఖ్యలో కణాలను కలిగి ఉంటాయి, కానీ ఉష్ణోగ్రత అనేది ఒక గణాంక పరిమాణం. తగినంత సంఖ్యలో పరమాణువులు ఉన్నట్లయితే, వ్యవస్థ యొక్క గతి శక్తిని (kinetic energy) nk_BT/2 కి సమానం చేయడం ద్వారా గణాంక ఉష్ణోగ్రతను అంచనా వేయవచ్చు, ఇక్కడ n అనేది వ్యవస్థ యొక్క స్వేచ్ఛా పరిమాణాల (degrees of freedom) సంఖ్య.

MD సిమ్యులేషన్లలో ఉపయోగించే తక్కువ సంఖ్యలో ఉన్న పరమాణువుల కారణంగా ఉష్ణోగ్రతకు సంబంధించిన ఒక దృగ్విషయం తలెత్తుతుంది. ఉదాహరణకు, 500 పరమాణువులను కలిగి ఉన్న సబ్‌స్ట్రేట్‌తో మరియు 100 eV నిక్షేపణ శక్తితో రాగి ఫిల్మ్ పెరుగుదలను సిమ్యులేట్ చేయడాన్ని పరిగణించండి. నిజ ప్రపంచంలో, నిక్షేపించబడిన పరమాణువు నుండి వచ్చే 100 eV శక్తి వేగంగా రవాణా చేయబడి, ఉష్ణోగ్రతలో పెద్ద మార్పు లేకుండా భారీ సంఖ్యలో పరమాణువుల ($10^{10}$ లేదా అంతకంటే ఎక్కువ) మధ్య పంచుకోబడుతుంది. అయితే, కేవలం 500 పరమాణువులు ఉన్నప్పుడు, సబ్‌స్ట్రేట్ నిక్షేపణ ద్వారా వెంటనే ఆవిరైపోతుంది. బయోఫిజికల్ సిమ్యులేషన్లలో కూడా ఇలాంటిదే జరుగుతుంది. ప్రోటీన్లు వంటి స్థూల అణువులు ఎక్సోథెర్మిక్ కన్ఫర్మేషనల్ మార్పులకు మరియు బంధనానికి లోనైనప్పుడు NVEలో వ్యవస్థ యొక్క ఉష్ణోగ్రత సహజంగానే పెరుగుతుంది.

కానానికల్ ఎన్సెంబుల్ (NVT)

కానానికల్ ఎన్సెంబుల్లో, పదార్థ పరిమాణం (N), ఘనపరిమాణం (V) మరియు ఉష్ణోగ్రత (T) స్థిరంగా ఉంటాయి. దీనిని కొన్నిసార్లు స్థిర ఉష్ణోగ్రత మాలిక్యులర్ డైనమిక్స్ (CTMD) అని కూడా పిలుస్తారు. NVTలో, ఎండోథెర్మిక్ మరియు ఎక్సోథెర్మిక్ ప్రక్రియల శక్తి ఒక థర్మోస్టాట్తో మార్పిడి చేయబడుతుంది.

కానానికల్ ఎన్సెంబుల్ను సుమారుగా అంచనా వేస్తూ, MD సిమ్యులేషన్ యొక్క సరిహద్దుల నుండి శక్తిని చేర్చడానికి మరియు తొలగించడానికి వివిధ రకాల థర్మోస్టాట్ అల్గారిథమ్‌లు అందుబాటులో ఉన్నాయి. ఉష్ణోగ్రతను నియంత్రించడానికి ప్రసిద్ధ పద్ధతులలో వెలాసిటీ రీస్కేలింగ్, నోసే-హూవర్ థర్మోస్టాట్ (Nosé–Hoover thermostat), నోసే-హూవర్ చైన్స్, బెరెండ్సెన్ థర్మోస్టాట్, ఆండర్సన్ థర్మోస్టాట్ మరియు లాంగ్వెయిన్ డైనమిక్స్ ఉన్నాయి. బెరెండ్సెన్ థర్మోస్టాట్ ఫ్లయింగ్ ఐస్ క్యూబ్ ప్రభావాన్ని తీసుకురావచ్చు, ఇది సిమ్యులేట్ చేయబడిన వ్యవస్థ యొక్క అవాస్తవిక అనువాదాలకు మరియు భ్రమణాలకు దారితీస్తుంది.

ఈ అల్గారిథమ్‌లను ఉపయోగించి కన్ఫర్మేషన్లు మరియు వేగాల యొక్క కానానికల్ ఎన్సెంబుల్ పంపిణీని పొందడం అంత సులభం కాదు. ఇది వ్యవస్థ పరిమాణం, థర్మోస్టాట్ ఎంపిక, థర్మోస్టాట్ పారామితులు, సమయ దశ మరియు ఇంటిగ్రేటర్‌పై ఎలా ఆధారపడి ఉంటుంది అనేది ఈ రంగంలోని అనేక వ్యాసాల అంశం.

ఐసోథర్మల్–ఐసోబారిక్ (NPT) ఎన్సెంబుల్

ఐసోథర్మల్–ఐసోబారిక్ ఎన్సెంబుల్లో, పదార్థ పరిమాణం (N), పీడనం (P) మరియు ఉష్ణోగ్రత (T) స్థిరంగా ఉంటాయి. థర్మోస్టాట్‌తో పాటు, ఒక బారోస్టాట్ అవసరం. ఇది పరిసర ఉష్ణోగ్రత మరియు పీడనానికి తెరిచి ఉన్న ఫ్లాస్క్‌తో కూడిన ప్రయోగశాల పరిస్థితులకు అత్యంత దగ్గరగా ఉంటుంది.

జీవసంబంధ పొరల సిమ్యులేషన్‌లో, ఐసోట్రోపిక్ పీడన నియంత్రణ తగినది కాదు. లిపిడ్ బైలేయర్ల కోసం, పీడన నియంత్రణ స్థిరమైన పొర వైశాల్యం (NPAT) లేదా స్థిరమైన ఉపరితల ఉద్రిక్తత "గామా" (NPγT) వద్ద జరుగుతుంది.

జనరలైజ్డ్ ఎన్సెంబుల్స్

రెప్లికా ఎక్స్ఛేంజ్ పద్ధతి ఒక జనరలైజ్డ్ ఎన్సెంబుల్. ఇది మొదట క్రమరహిత స్పిన్ వ్యవస్థల యొక్క నెమ్మదిగా ఉండే డైనమిక్స్‌ను పరిష్కరించడానికి సృష్టించబడింది. దీనిని పారలల్ టెంపరింగ్ అని కూడా పిలుస్తారు. రెప్లికా ఎక్స్ఛేంజ్ MD (REMD) ఫార్ములేషన్ వివిధ ఉష్ణోగ్రతల వద్ద నడుస్తున్న వ్యవస్థ యొక్క పరస్పరం చర్య చేయని ప్రతిరూపాల (replicas) ఉష్ణోగ్రతను మార్పిడి చేయడం ద్వారా మల్టిపుల్-మినిమా సమస్యను అధిగమించడానికి ప్రయత్నిస్తుంది.

MD సిమ్యులేషన్లలో పొటెన్షియల్స్

ప్రధాన వ్యాసం: Interatomic potential, Force field (chemistry), Comparison of force field implementations మాలిక్యులర్ డైనమిక్స్ సిమ్యులేషన్‌కు పొటెన్షియల్ ఫంక్షన్ యొక్క నిర్వచనం లేదా సిమ్యులేషన్‌లోని కణాలు పరస్పరం చర్య చేసే నిబంధనల వివరణ అవసరం. రసాయన శాస్త్రం మరియు జీవశాస్త్రంలో దీనిని సాధారణంగా ఫోర్స్ ఫీల్డ్ అని మరియు మెటీరియల్స్ ఫిజిక్స్‌లో ఇంటరాటామిక్ పొటెన్షియల్ అని పిలుస్తారు. పొటెన్షియల్స్ అనేక స్థాయిల భౌతిక ఖచ్చితత్వంతో నిర్వచించబడవచ్చు; రసాయన శాస్త్రంలో ఎక్కువగా ఉపయోగించేవి మాలిక్యులర్ మెకానిక్స్పై ఆధారపడి ఉంటాయి మరియు కణ-కణ పరస్పర చర్యల యొక్క క్లాసికల్ మెకానిక్స్ చికిత్సను కలిగి ఉంటాయి, ఇవి నిర్మాణ మరియు కన్ఫర్మేషనల్ మార్పులను పునరుత్పత్తి చేయగలవు కానీ సాధారణంగా రసాయన చర్యలను పునరుత్పత్తి చేయలేవు.

పూర్తి క్వాంటం వివరణ నుండి క్లాసికల్ పొటెన్షియల్‌కు తగ్గింపు రెండు ప్రధాన ఉజ్జాయింపులను కలిగి ఉంటుంది. మొదటిది బోర్న్-ఓపెన్‌హైమర్ అప్రాక్సిమేషన్, ఇది ఎలక్ట్రాన్ల డైనమిక్స్ చాలా వేగంగా ఉంటుందని, కాబట్టి అవి వాటి కేంద్రకాల కదలికకు తక్షణమే స్పందిస్తాయని పరిగణించవచ్చని పేర్కొంది. ఫలితంగా, వాటిని విడిగా పరిగణించవచ్చు. రెండవది, ఎలక్ట్రాన్ల కంటే చాలా బరువుగా ఉండే కేంద్రకాలను క్లాసికల్ న్యూటోనియన్ డైనమిక్స్‌ను అనుసరించే పాయింట్ పార్టికల్స్‌గా పరిగణిస్తుంది. క్లాసికల్ మాలిక్యులర్ డైనమిక్స్‌లో, ఎలక్ట్రాన్ల ప్రభావాన్ని ఒక పొటెన్షియల్ ఎనర్జీ సర్ఫేస్‌గా అంచనా వేస్తారు, ఇది సాధారణంగా గ్రౌండ్ స్టేట్‌ను సూచిస్తుంది.

మరింత వివరణాత్మక స్థాయిలు అవసరమైనప్పుడు, క్వాంటం మెకానిక్స్ ఆధారిత పొటెన్షియల్స్ ఉపయోగిస్తారు; కొన్ని పద్ధతులు హైబ్రిడ్ క్లాసికల్/క్వాంటం పొటెన్షియల్స్‌ను రూపొందించడానికి ప్రయత్నిస్తాయి, ఇక్కడ వ్యవస్థలోని ఎక్కువ భాగం క్లాసికల్‌గా పరిగణించబడుతుంది, కానీ ఒక చిన్న ప్రాంతం క్వాంటం వ్యవస్థగా పరిగణించబడుతుంది, ఇది సాధారణంగా రసాయన పరివర్తనకు లోనవుతుంది.

అనుభావిక పొటెన్షియల్స్ (Empirical potentials)

రసాయన శాస్త్రంలో ఉపయోగించే అనుభావిక పొటెన్షియల్స్‌ను తరచుగా ఫోర్స్ ఫీల్డ్స్ అని పిలుస్తారు, అయితే మెటీరియల్స్ ఫిజిక్స్‌లో ఉపయోగించే వాటిని ఇంటరాటామిక్ పొటెన్షియల్ అని పిలుస్తారు.

రసాయన శాస్త్రంలోని చాలా ఫోర్స్ ఫీల్డ్స్ అనుభావికమైనవి మరియు రసాయన బంధాలు, బంధ కోణాలు మరియు బంధ డైహెడ్రల్స్తో సంబంధం ఉన్న బంధిత శక్తుల మొత్తం మరియు వాన్ డెర్ వాల్స్ శక్తులు మరియు ఎలక్ట్రోస్టాటిక్ ఛార్జ్తో సంబంధం ఉన్న బంధం లేని శక్తుల మొత్తాన్ని కలిగి ఉంటాయి. అనుభావిక పొటెన్షియల్స్ క్వాంటం-మెకానికల్ ప్రభావాలను అడ్-హాక్ ఫంక్షనల్ అప్రాక్సిమేషన్ల ద్వారా పరిమిత మార్గంలో సూచిస్తాయి. ఈ పొటెన్షియల్స్ అటామిక్ ఛార్జ్, అటామిక్ రేడియస్ అంచనాలను ప్రతిబింబించే వాన్ డెర్ వాల్స్ పారామితులు మరియు సమతుల్య బాండ్ లెంగ్త్, కోణం మరియు డైహెడ్రల్ వంటి ఉచిత పారామితులను కలిగి ఉంటాయి; ఇవి వివరణాత్మక ఎలక్ట్రానిక్ లెక్కలు (క్వాంటం కెమికల్ సిమ్యులేషన్స్) లేదా ఎలాస్టిక్ కాన్స్టాంట్లు, లాటిస్ పారామితులు మరియు స్పెక్ట్రోస్కోపిక్ కొలతలు వంటి ప్రయోగాత్మక భౌతిక లక్షణాలకు వ్యతిరేకంగా ఫిట్టింగ్ చేయడం ద్వారా పొందబడతాయి.

బంధం లేని పరస్పర చర్యల యొక్క నాన్-లోకల్ స్వభావం కారణంగా, అవి వ్యవస్థలోని అన్ని కణాల మధ్య కనీసం బలహీనమైన పరస్పర చర్యలను కలిగి ఉంటాయి. దీని గణన సాధారణంగా MD సిమ్యులేషన్ల వేగంలో అడ్డంకిగా ఉంటుంది. కంప్యూటేషనల్ ఖర్చును తగ్గించడానికి, ఫోర్స్ ఫీల్డ్స్ షిఫ్టెడ్ కటాఫ్ రేడియై, రియాక్షన్ ఫీల్డ్ అల్గారిథమ్‌లు, పార్టికల్ మెష్ ఎవాల్డ్ సమ్మేషన్, లేదా కొత్త పార్టికల్-పార్టికల్-పార్టికల్-మెష్ (P3M) వంటి సంఖ్యాపరమైన అప్రాక్సిమేషన్లను ఉపయోగిస్తాయి.

కెమిస్ట్రీ ఫోర్స్ ఫీల్డ్స్ సాధారణంగా ముందుగా సెట్ చేసిన బంధ అమరికలను ఉపయోగిస్తాయి (దీనికి మినహాయింపు అబ్ ఇనిషియో డైనమిక్స్), అందువల్ల రసాయన బంధం విచ్ఛిన్నం మరియు చర్యల ప్రక్రియను స్పష్టంగా మోడల్ చేయలేవు. మరోవైపు, భౌతిక శాస్త్రంలో ఉపయోగించే అనేక పొటెన్షియల్స్, బాండ్ ఆర్డర్ ఫార్మలిజం ఆధారితమైనవి, వ్యవస్థ యొక్క అనేక విభిన్న సమన్వయాలను మరియు బంధ విచ్ఛిన్నతను వివరించగలవు. ఇటువంటి పొటెన్షియల్స్‌కు ఉదాహరణలు హైడ్రోకార్బన్‌ల కోసం బ్రెన్నర్ పొటెన్షియల్ మరియు C-Si-H మరియు C-O-H వ్యవస్థల కోసం దాని తదుపరి పరిణామాలు. ReaxFF పొటెన్షియల్ ను బాండ్ ఆర్డర్ పొటెన్షియల్స్ మరియు కెమిస్ట్రీ ఫోర్స్ ఫీల్డ్స్ మధ్య పూర్తిగా రియాక్టివ్ హైబ్రిడ్‌గా పరిగణించవచ్చు.

పెయిర్ పొటెన్షియల్స్ వర్సెస్ మెనీ-బాడీ పొటెన్షియల్స్

బంధం లేని శక్తిని సూచించే పొటెన్షియల్ ఫంక్షన్లు వ్యవస్థలోని కణాల మధ్య పరస్పర చర్యల మొత్తంగా రూపొందించబడ్డాయి. అనేక ప్రసిద్ధ ఫోర్స్ ఫీల్డ్స్లో ఉపయోగించే సరళమైన ఎంపిక "పెయిర్ పొటెన్షియల్", దీనిలో మొత్తం పొటెన్షియల్ శక్తిని పరమాణువుల జతల మధ్య శక్తి సహకారాల మొత్తం నుండి లెక్కించవచ్చు. అందువల్ల, ఈ ఫోర్స్ ఫీల్డ్స్‌ను "అడిటివ్ ఫోర్స్ ఫీల్డ్స్" అని కూడా పిలుస్తారు. అటువంటి పెయిర్ పొటెన్షియల్‌కు ఒక ఉదాహరణ వాన్ డెర్ వాల్స్ శక్తులను లెక్కించడానికి ఉపయోగించే బంధం లేని లెనార్డ్-జోన్స్ పొటెన్షియల్ (దీనిని 6-12 పొటెన్షియల్ అని కూడా పిలుస్తారు).

$U(r)=4\epsilon [{\left(\frac{\sigma }{r}\right)}^{12}-{\left(\frac{\sigma }{r}\right)}^6]$

మరొక ఉదాహరణ అయానిక్ లాటిస్ యొక్క బోర్న్ (అయానిక్) మోడల్. తదుపరి సమీకరణంలోని మొదటి పదం ఒక జత అయాన్ల కోసం కూలంబ్ నియమం, రెండవ పదం పౌలీ మినహాయింపు సూత్రం ద్వారా వివరించబడిన స్వల్ప-శ్రేణి వికర్షణ మరియు చివరి పదం డిస్పర్షన్ ఇంటరాక్షన్ పదం. సాధారణంగా, ఒక సిమ్యులేషన్ కేవలం డైపోలార్ పదాన్ని మాత్రమే కలిగి ఉంటుంది, అయితే కొన్నిసార్లు క్వాడ్రుపోలార్ పదం కూడా చేర్చబడుతుంది. n_l = 6 అయినప్పుడు, ఈ పొటెన్షియల్‌ను కూలంబ్-బకింగ్‌హామ్ పొటెన్షియల్ అని కూడా పిలుస్తారు.

$U_{ij}(r_{ij})=\frac{z_i{z}_j}{4\pi {ϵ}_0}\frac{1}{r_{ij}}+A_l\exp \frac{-r_{ij}}{p_l}+C_l{r}_{ij}^{-n_l}+\cdots$

మెనీ-బాడీ పొటెన్షియల్స్లో, పొటెన్షియల్ శక్తి మూడు లేదా అంతకంటే ఎక్కువ కణాలు ఒకదానితో ఒకటి పరస్పరం చర్య చేసుకునే ప్రభావాలను కలిగి ఉంటుంది. పెయిర్-వైజ్ పొటెన్షియల్స్‌తో కూడిన సిమ్యులేషన్లలో, వ్యవస్థలో గ్లోబల్ పరస్పర చర్యలు కూడా ఉంటాయి, కానీ అవి కేవలం పెయిర్-వైజ్ పదాల ద్వారా మాత్రమే జరుగుతాయి. మెనీ-బాడీ పొటెన్షియల్స్‌లో, పొటెన్షియల్ శక్తిని పరమాణువుల జతల మొత్తం ద్వారా కనుగొనలేము, ఎందుకంటే ఈ పరస్పర చర్యలు అధిక-క్రమ పదాల కలయికగా స్పష్టంగా లెక్కించబడతాయి. గణాంక దృక్పథంలో, వేరియబుల్స్ మధ్య ఆధారపడటాన్ని సాధారణంగా స్వేచ్ఛా పరిమాణాల యొక్క పెయిర్-వైజ్ ఉత్పత్తులను మాత్రమే ఉపయోగించి వ్యక్తపరచలేము. ఉదాహరణకు, టెర్సాఫ్ పొటెన్షియల్, ఇది మొదట కార్బన్, సిలికాన్ మరియు జర్మానియంలను సిమ్యులేట్ చేయడానికి ఉపయోగించబడింది మరియు అప్పటి నుండి అనేక ఇతర పదార్థాల కోసం ఉపయోగించబడింది, ఇది మూడు పరమాణువుల సమూహాల మొత్తాన్ని కలిగి ఉంటుంది, పరమాణువుల మధ్య కోణాలు పొటెన్షియల్‌లో ముఖ్యమైన అంశం. ఇతర ఉదాహరణలు ఎంబెడెడ్-ఆటం మెథడ్ (EAM), EDIP, మరియు టైట్-బైండింగ్ సెకండ్ మూమెంట్ అప్రాక్సిమేషన్ (TBSMA) పొటెన్షియల్స్, ఇక్కడ ఒక పరమాణువు ప్రాంతంలోని ఎలక్ట్రాన్ సాంద్రత చుట్టుపక్కల పరమాణువుల నుండి వచ్చే సహకారాల మొత్తం నుండి లెక్కించబడుతుంది మరియు పొటెన్షియల్ శక్తి సహకారం అప్పుడు ఈ మొత్తం యొక్క ఫంక్షన్‌గా ఉంటుంది.

సెమీ-ఎంపిరికల్ పొటెన్షియల్స్

సెమీ-ఎంపిరికల్ పొటెన్షియల్స్ క్వాంటం మెకానిక్స్ నుండి మ్యాట్రిక్స్ ప్రాతినిధ్యాన్ని ఉపయోగిస్తాయి. అయితే, మ్యాట్రిక్స్ మూలకాల విలువలు నిర్దిష్ట అటామిక్ ఆర్బిటాల్స్ యొక్క అతివ్యాప్తి (overlap) స్థాయిని అంచనా వేసే అనుభావిక సూత్రాల ద్వారా కనుగొనబడతాయి. వివిధ అటామిక్ ఆర్బిటాల్స్ యొక్క ఆక్యుపెన్సీని నిర్ణయించడానికి మ్యాట్రిక్స్ డయాగోనలైజ్ చేయబడుతుంది మరియు ఆర్బిటాల్స్ యొక్క శక్తి సహకారాలను నిర్ణయించడానికి అనుభావిక సూత్రాలు మళ్ళీ ఉపయోగించబడతాయి.

మోడల్ చేయబడిన పరమాణువులను బట్టి మారే టైట్-బైండింగ్ పొటెన్షియల్స్ అని పిలువబడే అనేక రకాల సెమీ-ఎంపిరికల్ పొటెన్షియల్స్ ఉన్నాయి.

పోలరైజబుల్ పొటెన్షియల్స్

ప్రధాన వ్యాసం: Force field (chemistry)

చాలా క్లాసికల్ ఫోర్స్ ఫీల్డ్స్ పరోక్షంగా పోలరైజబిలిటీ ప్రభావాన్ని కలిగి ఉంటాయి, ఉదాహరణకు, క్వాంటం కెమికల్ లెక్కల నుండి పొందిన పాక్షిక ఛార్జీలను స్కేల్ చేయడం ద్వారా. ఈ పాక్షిక ఛార్జీలు పరమాణువు యొక్క ద్రవ్యరాశికి సంబంధించి స్థిరంగా ఉంటాయి. కానీ మాలిక్యులర్ డైనమిక్స్ సిమ్యులేషన్లు డ్రూడ్ పార్టికల్స్ లేదా ఫ్లక్చుయేటింగ్ ఛార్జీల వంటి వివిధ పద్ధతుల ద్వారా ఇండ్యూస్డ్ డైపోల్స్‌ను ప్రవేశపెట్టడం ద్వారా పోలరైజబిలిటీని స్పష్టంగా మోడల్ చేయగలవు. ఇది స్థానిక రసాయన వాతావరణానికి ప్రతిస్పందించే పరమాణువుల మధ్య ఛార్జ్ యొక్క డైనమిక్ పునఃపంపిణీని అనుమతిస్తుంది.

అనేక సంవత్సరాలుగా, పోలరైజబుల్ MD సిమ్యులేషన్లు తదుపరి తరం అని ప్రచారం చేయబడ్డాయి. నీరు వంటి సజాతీయ ద్రవాల కోసం, పోలరైజబిలిటీని చేర్చడం ద్వారా పెరిగిన ఖచ్చితత్వం సాధించబడింది. ప్రోటీన్ల కోసం కూడా కొన్ని ఆశాజనక ఫలితాలు సాధించబడ్డాయి. అయితే, సిమ్యులేషన్‌లో పోలరైజబిలిటీని ఉత్తమంగా ఎలా అంచనా వేయాలో ఇంకా అనిశ్చితంగా ఉంది. ఒక కణం దాని సిమ్యులేషన్ ట్రాజెక్టరీ సమయంలో వేర్వేరు వాతావరణాలను అనుభవించినప్పుడు, ఉదాహరణకు కణ త్వచం ద్వారా ఔషధ రవాణా జరిగినప్పుడు, ఈ అంశం మరింత ముఖ్యమైనది అవుతుంది.

అబ్ ఇనిషియో పద్ధతులలో పొటెన్షియల్స్

ప్రధాన వ్యాసం: Quantum chemistry, List of quantum chemistry and solid state physics software

క్లాసికల్ మాలిక్యులర్ డైనమిక్స్‌లో, ఒక పొటెన్షియల్ ఎనర్జీ సర్ఫేస్ (సాధారణంగా గ్రౌండ్ స్టేట్) ఫోర్స్ ఫీల్డ్‌లో సూచించబడుతుంది. ఇది బోర్న్-ఓపెన్‌హైమర్ అప్రాక్సిమేషన్ యొక్క పరిణామం. ఎక్సైటెడ్ స్టేట్స్, రసాయన చర్యలు లేదా మరింత ఖచ్చితమైన ప్రాతినిధ్యం అవసరమైనప్పుడు, ఎలక్ట్రానిక్ ప్రవర్తనను డెన్సిటీ ఫంక్షనల్ థియరీ వంటి క్వాంటం మెకానికల్ పద్ధతిని ఉపయోగించి మొదటి సూత్రాల నుండి పొందవచ్చు. దీనిని అబ్ ఇనిషియో మాలిక్యులర్ డైనమిక్స్ (AIMD) అని పిలుస్తారు. ఎలక్ట్రానిక్ స్వేచ్ఛా పరిమాణాలను పరిగణనలోకి తీసుకోవడం వల్ల కలిగే ఖర్చు కారణంగా, ఈ సిమ్యులేషన్ల కంప్యూటేషనల్ భారం క్లాసికల్ మాలిక్యులర్ డైనమిక్స్ కంటే చాలా ఎక్కువగా ఉంటుంది. ఈ కారణంగా, AIMD సాధారణంగా చిన్న వ్యవస్థలకు మరియు తక్కువ సమయాలకు పరిమితం చేయబడింది.

అబ్ ఇనిషియో క్వాంటం మెకానికల్ మరియు కెమికల్ పద్ధతులను ట్రాజెక్టరీలోని కన్ఫర్మేషన్ల కోసం అవసరమైనప్పుడు, వ్యవస్థ యొక్క పొటెన్షియల్ ఎనర్జీని లెక్కించడానికి ఉపయోగించవచ్చు. ఈ గణన సాధారణంగా రియాక్షన్ కోఆర్డినేట్ యొక్క సమీప పరిసరాల్లో చేయబడుతుంది. వివిధ అప్రాక్సిమేషన్లను ఉపయోగించగలిగినప్పటికీ, ఇవి అనుభావిక ఫిట్టింగ్‌పై కాకుండా సైద్ధాంతిక పరిగణనలపై ఆధారపడి ఉంటాయి. అబ్ ఇనిషియో లెక్కలు ఎలక్ట్రానిక్ సాంద్రత లేదా ఇతర ఎలక్ట్రానిక్ లక్షణాల వంటి అనుభావిక పద్ధతుల ద్వారా అందుబాటులో లేని భారీ సమాచారాన్ని ఉత్పత్తి చేస్తాయి. అబ్ ఇనిషియో పద్ధతులను ఉపయోగించడం వల్ల కలిగే ఒక ముఖ్యమైన ప్రయోజనం ఏమిటంటే, కోవలెంట్ బంధాల విచ్ఛిన్నం లేదా ఏర్పాటుతో కూడిన చర్యలను అధ్యయనం చేసే సామర్థ్యం, ఇవి బహుళ ఎలక్ట్రానిక్ స్టేట్స్‌కు అనుగుణంగా ఉంటాయి. అంతేకాకుండా, అబ్ ఇనిషియో పద్ధతులు మిశ్రమ క్వాంటం-క్లాసికల్ డైనమిక్స్ వంటి విధానాలను ఉపయోగించి బోర్న్-ఓపెన్‌హైమర్ అప్రాక్సిమేషన్ దాటి ప్రభావాలను తిరిగి పొందడానికి కూడా అనుమతిస్తాయి.

హైబ్రిడ్ QM/MM

ప్రధాన వ్యాసం: QM/MM

QM (క్వాంటం-మెకానికల్) పద్ధతులు చాలా శక్తివంతమైనవి. అయితే, అవి కంప్యూటేషనల్‌గా ఖరీదైనవి, అయితే MM (క్లాసికల్ లేదా మాలిక్యులర్ మెకానిక్స్) పద్ధతులు వేగంగా ఉంటాయి కానీ అనేక పరిమితులను కలిగి ఉంటాయి (విస్తృతమైన పారామీటరైజేషన్ అవసరం; పొందిన శక్తి అంచనాలు అంత ఖచ్చితమైనవి కావు; కోవలెంట్ బంధాలు విచ్ఛిన్నమైన/ఏర్పడిన చర్యలను సిమ్యులేట్ చేయడానికి ఉపయోగించలేము; మరియు రసాయన వాతావరణానికి సంబంధించి ఖచ్చితమైన వివరాలను అందించడంలో వాటి సామర్థ్యాలు పరిమితం). QM (ఖచ్చితత్వం) మరియు MM (వేగం) లెక్కల యొక్క మంచి అంశాలను మిళితం చేసే కొత్త తరగతి పద్ధతి ఉద్భవించింది. ఈ పద్ధతులను మిశ్రమ లేదా హైబ్రిడ్ క్వాంటం-మెకానికల్ మరియు మాలిక్యులర్ మెకానిక్స్ పద్ధతులు (హైబ్రిడ్ QM/MM) అని పిలుస్తారు.

హైబ్రిడ్ QM/MM పద్ధతి యొక్క అతి ముఖ్యమైన ప్రయోజనం వేగం. అత్యంత సరళమైన సందర్భంలో క్లాసికల్ మాలిక్యులర్ డైనమిక్స్ (MM) చేయడానికి అయ్యే ఖర్చు O(n²) స్కేల్ అవుతుంది, ఇక్కడ n అనేది వ్యవస్థలోని పరమాణువుల సంఖ్య. ఇది ప్రధానంగా ఎలక్ట్రోస్టాటిక్ పరస్పర చర్యల పదం (ప్రతి కణం ప్రతి ఇతర కణంతో పరస్పరం చర్య చేస్తుంది) కారణంగా జరుగుతుంది. అయితే, కటాఫ్ రేడియస్, పీరియాడిక్ పెయిర్-లిస్ట్ అప్‌డేట్‌లు మరియు ఇటీవల పార్టికల్-మెష్ ఎవాల్డ్స్ (PME) పద్ధతి యొక్క వైవిధ్యాల ఉపయోగం దీనిని O(n) నుండి O(n²) మధ్యకు తగ్గించింది. మరో మాటలో చెప్పాలంటే, రెట్టింపు పరమాణువులు ఉన్న వ్యవస్థను సిమ్యులేట్ చేస్తే, దానికి రెండు నుండి నాలుగు రెట్లు ఎక్కువ కంప్యూటింగ్ శక్తి అవసరమవుతుంది. మరోవైపు, సరళమైన అబ్ ఇనిషియో లెక్కలు సాధారణంగా O(n³) లేదా అంతకంటే అధ్వాన్నంగా స్కేల్ అవుతాయి (పరిమిత హార్ట్రీ-ఫాక్ లెక్కలు ~O(n^2.7) స్కేల్ అవుతాయని సూచించబడ్డాయి). పరిమితిని అధిగమించడానికి, వ్యవస్థలోని ఒక చిన్న భాగాన్ని క్వాంటం-మెకానికల్‌గా (సాధారణంగా ఎంజైమ్ యొక్క యాక్టివ్-సైట్) మరియు మిగిలిన వ్యవస్థను క్లాసికల్‌గా పరిగణిస్తారు.

మరింత అధునాతన అమలులలో, క్వాంటం ప్రభావాలకు లోనయ్యే తేలికపాటి కేంద్రకాలను (హైడ్రోజన్ల వంటివి) మరియు ఎలక్ట్రానిక్ స్టేట్స్ రెండింటినీ చికిత్స చేయడానికి QM/MM పద్ధతులు ఉన్నాయి. ఇది హైడ్రోజన్ వేవ్-ఫంక్షన్‌లను (ఎలక్ట్రానిక్ వేవ్-ఫంక్షన్‌ల మాదిరిగానే) రూపొందించడానికి అనుమతిస్తుంది. ఈ పద్ధతి హైడ్రోజన్ టన్నెలింగ్ వంటి దృగ్విషయాలను పరిశోధించడంలో ఉపయోగకరంగా ఉంది. QM/MM పద్ధతులు కొత్త ఆవిష్కరణలను అందించిన ఒక ఉదాహరణ ఎంజైమ్ లివర్ ఆల్కహాల్ డీహైడ్రోజినేస్లో హైడ్రైడ్ బదిలీ యొక్క గణన. ఈ సందర్భంలో, క్వాంటం టన్నెలింగ్ హైడ్రోజన్‌కు ముఖ్యమైనది, ఎందుకంటే ఇది చర్య రేటును నిర్ణయిస్తుంది.

కోర్స్-గ్రెయినింగ్ మరియు తగ్గిన ప్రాతినిధ్యాలు

వివరాల స్థాయి యొక్క మరొక చివరన కోర్స్-గ్రెయిన్డ్ మరియు లాటిస్ మోడల్స్ ఉన్నాయి. వ్యవస్థలోని ప్రతి పరమాణువును స్పష్టంగా సూచించే బదులు, పరమాణువుల సమూహాలను సూచించడానికి "సూడో-ఆటమ్స్" ఉపయోగిస్తారు. చాలా పెద్ద వ్యవస్థలపై MD సిమ్యులేషన్లకు అటువంటి భారీ కంప్యూటర్ వనరులు అవసరం కావచ్చు, అవి సాంప్రదాయ ఆల్-ఆటం పద్ధతుల ద్వారా సులభంగా అధ్యయనం చేయబడవు. అదేవిధంగా, సుదీర్ఘ కాలపరిమితులలో (సుమారు 1 మైక్రోసెకండ్ కంటే ఎక్కువ) ప్రక్రియల సిమ్యులేషన్లు చాలా ఖరీదైనవి, ఎందుకంటే వాటికి చాలా సమయ దశలు అవసరమవుతాయి. ఇటువంటి సందర్భాల్లో, కోర్స్-గ్రెయిన్డ్ మోడల్స్ అని కూడా పిలువబడే తగ్గిన ప్రాతినిధ్యాలను ఉపయోగించడం ద్వారా సమస్యను పరిష్కరించవచ్చు.

కోర్స్ గ్రెయినింగ్ (CG) పద్ధతులకు ఉదాహరణలు డిస్కంటిన్యూయస్ మాలిక్యులర్ డైనమిక్స్ (CG-DMD) మరియు గో-మోడల్స్. కోర్స్-గ్రెయినింగ్ కొన్నిసార్లు పెద్ద సూడో-ఆటమ్స్‌ను తీసుకోవడం ద్వారా చేయబడుతుంది. ఇటువంటి యునైటెడ్ ఆటం అప్రాక్సిమేషన్లు జీవసంబంధ పొరల MD సిమ్యులేషన్లలో ఉపయోగించబడ్డాయి. విద్యుత్ లక్షణాలు ఆసక్తికరంగా ఉన్న వ్యవస్థలపై ఇటువంటి విధానాన్ని అమలు చేయడం సూడో-ఆటమ్స్‌పై సరైన ఛార్జ్ పంపిణీని ఉపయోగించడంలో ఇబ్బంది కారణంగా సవాలుగా ఉంటుంది. లిపిడ్ల యొక్క అలిఫాటిక్ తోకలు ప్రతి సూడో-ఆటమ్‌లో 2 నుండి 4 మిథైలిన్ సమూహాలను సేకరించడం ద్వారా కొన్ని సూడో-ఆటమ్స్ ద్వారా సూచించబడతాయి.

ఈ చాలా కోర్స్-గ్రెయిన్డ్ మోడల్స్ యొక్క పారామీటరైజేషన్ అనుభావికంగా చేయబడాలి, మోడల్ యొక్క ప్రవర్తనను తగిన ప్రయోగాత్మక డేటా లేదా ఆల్-ఆటం సిమ్యులేషన్లతో సరిపోల్చడం ద్వారా. ఆదర్శవంతంగా, ఈ పారామితులు ఫ్రీ ఎనర్జీకి ఎంథాల్పిక్ మరియు ఎంట్రోపిక్ సహకారాలను పరోక్ష మార్గంలో లెక్కించాలి. కోర్స్-గ్రెయినింగ్ ఉన్నత స్థాయిలలో చేసినప్పుడు, డైనమిక్ వివరణ యొక్క ఖచ్చితత్వం తక్కువ నమ్మదగినది కావచ్చు. కానీ చాలా కోర్స్-గ్రెయిన్డ్ మోడల్స్ స్ట్రక్చరల్ బయాలజీ, లిక్విడ్ క్రిస్టల్ ఆర్గనైజేషన్ మరియు పాలిమర్ గ్లాసెస్ వంటి అనేక ప్రశ్నలను పరిశీలించడానికి విజయవంతంగా ఉపయోగించబడ్డాయి.

కోర్స్-గ్రెయినింగ్ అప్లికేషన్లకు ఉదాహరణలు:

• ప్రోటీన్ ఫోల్డింగ్ మరియు ప్రోటీన్ స్ట్రక్చర్ ప్రిడిక్షన్ అధ్యయనాలు తరచుగా ప్రతి అమైనో ఆమ్లానికి ఒకటి లేదా కొన్ని సూడో-ఆటమ్స్‌ను ఉపయోగించి నిర్వహించబడతాయి;
• లిక్విడ్ క్రిస్టల్ ఫేజ్ ట్రాన్సిషన్లు పరిమిత జ్యామితులలో మరియు/లేదా ప్రవాహం సమయంలో గే-బెర్న్ పొటెన్షియల్ ఉపయోగించి పరిశీలించబడ్డాయి, ఇది అన్-ఐసోట్రోపిక్ జాతులను వివరిస్తుంది;
• పాలిమర్ గ్లాసెస్ వైకల్యం చెందుతున్నప్పుడు లెనార్డ్-జోన్స్ పొటెన్షియల్ ద్వారా వివరించబడిన గోళాలను అనుసంధానించడానికి సాధారణ హార్మోనిక్ లేదా FENE స్ప్రింగ్‌లను ఉపయోగించి అధ్యయనం చేయబడ్డాయి;
• DNA సూపర్ కాయిలింగ్ ప్రతి బేస్‌పేర్‌కు 1-3 సూడో-ఆటమ్స్‌ను ఉపయోగించి మరియు అంతకంటే తక్కువ రిజల్యూషన్‌లో పరిశోధించబడింది;
• డబుల్-హెలికల్ DNA ప్యాకేజింగ్ బ్యాక్టీరియోఫేజ్లోకి మోడల్స్‌తో పరిశోధించబడింది, ఇక్కడ ఒక సూడో-ఆటమ్ డబుల్ హెలిక్స్ యొక్క ఒక మలుపును (సుమారు 10 బేస్‌పేర్లు) సూచిస్తుంది;
• రైబోజోమ్ మరియు ఇతర పెద్ద వ్యవస్థలలో RNA నిర్మాణం ప్రతి న్యూక్లియోటైడ్‌కు ఒక సూడో-ఆటమ్‌తో మోడల్ చేయబడింది.

కోర్స్-గ్రెయినింగ్ (coarse-graining) యొక్క సరళమైన రూపం "యునైటెడ్ ఆటమ్" (దీనిని కొన్నిసార్లు "ఎక్స్‌టెండెడ్ ఆటమ్" అని కూడా పిలుస్తారు). ఇది ప్రోటీన్లు, లిపిడ్లు మరియు న్యూక్లియిక్ ఆమ్లాల ప్రారంభ MD అనుకరణలలో ఎక్కువగా ఉపయోగించబడింది. ఉదాహరణకు, CH₃ మిథైల్ గ్రూపులోని నాలుగు పరమాణువులను (లేదా CH₂ మిథైలీన్ గ్రూపులోని మూడు పరమాణువులను) విడివిడిగా పరిగణించే బదులు, మొత్తం గ్రూపును ఒక సూడో-ఆటమ్ (pseudo-atom)గా సూచిస్తారు. అయితే, ఇతర గ్రూపులతో దీని వాన్ డెర్ వాల్స్ (van der Waals) పరస్పర చర్యలు సరైన దూర-ఆధారిత సంబంధాన్ని కలిగి ఉండేలా దీనిని తగిన విధంగా పారామీటరైజ్ చేయాలి. సూడో-ఆటమ్ పాల్గొనే బంధాలు, కోణాలు మరియు టోర్షన్లకు కూడా ఇలాంటి పరిగణనలే వర్తిస్తాయి. ఈ రకమైన యునైటెడ్ ఆటమ్ ప్రాతినిధ్యంలో, హైడ్రోజన్ బంధాలలో పాల్గొనే సామర్థ్యం ఉన్నవి ("పోలార్ హైడ్రోజన్లు") తప్ప, మిగిలిన అన్ని స్పష్టమైన హైడ్రోజన్ పరమాణువులను సాధారణంగా తొలగిస్తారు. దీనికి CHARMM 19 ఫోర్స్-ఫీల్డ్ ఒక ఉదాహరణ.

హైడ్రోజన్ బంధాలను సరిగ్గా నిర్వహించడానికి డోనర్ మరియు యాక్సెప్టర్ గ్రూపుల మధ్య దిశాత్మకత మరియు ఎలక్ట్రోస్టాటిక్ పరస్పర చర్యల యొక్క ఖచ్చితమైన వివరణ అవసరం కాబట్టి, పోలార్ హైడ్రోజన్లను సాధారణంగా నమూనాలో ఉంచుతారు. ఉదాహరణకు, ఒక హైడ్రాక్సిల్ గ్రూపు హైడ్రోజన్ బంధ డోనర్‌గా మరియు యాక్సెప్టర్‌గా రెండింటిగా పనిచేయగలదు, కాబట్టి దీనిని ఒక OH సూడో-ఆటమ్‌తో నిర్వహించడం అసాధ్యం. ప్రోటీన్ లేదా న్యూక్లియిక్ ఆమ్లంలోని దాదాపు సగం పరమాణువులు నాన్-పోలార్ హైడ్రోజన్లు, కాబట్టి యునైటెడ్ ఆటమ్స్‌ను ఉపయోగించడం వల్ల కంప్యూటర్ సమయం గణనీయంగా ఆదా అవుతుంది.

మెషిన్ లెర్నింగ్ ఫోర్స్ ఫీల్డ్స్

మెషిన్ లెర్నింగ్ ఫోర్స్ ఫీల్డ్స్ (MLFFs) అనేవి మాలిక్యులర్ డైనమిక్స్ అనుకరణలలో పరమాణువుల మధ్య పరస్పర చర్యలను నమూనా చేయడానికి ఒక విధానాన్ని సూచిస్తాయి. MLFFలు అబ్ ఇనిషియో పద్ధతులకు దగ్గరగా ఉండే ఖచ్చితత్వాన్ని సాధించగలవు. ఒకసారి శిక్షణ పొందిన తర్వాత, MLFFలు ప్రత్యక్ష క్వాంటం మెకానికల్ గణనల కంటే చాలా వేగంగా పనిచేస్తాయి. MLFFలు సంక్లిష్టమైన పొటెన్షియల్ ఎనర్జీ సర్ఫేస్‌లను నేరుగా ఉన్నత-స్థాయి క్వాంటం మెకానికల్ డేటా నుండి నేర్చుకోవడం ద్వారా సాంప్రదాయ ఫోర్స్ ఫీల్డ్స్ యొక్క పరిమితులను అధిగమిస్తాయి. ప్రస్తుతం VASP మరియు DeePMD-kit వంటి ఓపెన్-సోర్స్ లైబ్రరీలు మరియు SchNetPack వంటి అనేక సాఫ్ట్‌వేర్ ప్యాకేజీలు MLFFలకు మద్దతు ఇస్తున్నాయి.

మెషిన్ లెర్న్డ్ ఇంటరాటామిక్ పొటెన్షియల్స్

మెషిన్ లెర్న్డ్ ఇంటరాటామిక్ పొటెన్షియల్స్ (MLIPs) అనేవి ఒక పదార్థంలోని పరమాణువుల మధ్య పరస్పర చర్యలను అంచనా వేయడానికి మెషిన్ లెర్నింగ్ పద్ధతులను ఉపయోగించే కంప్యూటేషనల్ నమూనాలు. వీటి ప్రాథమిక లక్ష్యం ఏమిటంటే, డెన్సిటీ ఫంక్షనల్ థియరీ (DFT) వంటి క్వాంటం మెకానికల్ పద్ధతులకు దగ్గరగా ఉండే ఖచ్చితత్వంతో మొత్తం శక్తి, పరమాణు బలాల వంటి అంశాలను తక్కువ కంప్యూటేషనల్ ఖర్చుతో అంచనా వేయడం. MLIPలు సాధారణంగా ఫస్ట్-ప్రిన్సిపుల్స్ గణనల నుండి రూపొందించబడిన డేటాసెట్‌లపై శిక్షణ పొందుతాయి, ఇక్కడ పరమాణు అమరికలు వాటికి సంబంధించిన శక్తులు మరియు బలాలతో జత చేయబడతాయి. ఈ నమూనాలు పొటెన్షియల్ ఎనర్జీ సర్ఫేస్ (PES) యొక్క ఉజ్జాయింపును నేర్చుకుంటాయి, ఇది పరమాణువుల స్థానాలతో వ్యవస్థ యొక్క శక్తి ఎలా మారుతుందో వివరిస్తుంది. పరమాణువులపై పనిచేసే బలాలు అంచనా వేయబడిన శక్తి యొక్క గ్రేడియంట్‌గా పొందబడతాయి, ఇది భౌతిక నియమాలతో స్థిరత్వాన్ని నిర్ధారిస్తుంది.

MLIPలు మాలిక్యులర్ డైనమిక్స్ అనుకరణలు మరియు మెటీరియల్స్ సైన్స్‌లో విస్తృతంగా ఉపయోగించబడుతున్నాయి, ఇవి లోపాల నిర్మాణం, ఫేజ్ ట్రాన్స్‌ఫార్మేషన్లు మరియు రసాయన చర్యల వంటి సంక్లిష్ట దృగ్విషయాలను అధ్యయనం చేయడానికి వీలు కల్పిస్తాయి. రేడియేషన్ డ్యామేజ్ కాస్కేడ్స్ వంటి అధిక-శక్తి వాతావరణాలలో, ఎనర్జీ-బేస్డ్ MLIPలు సాధారణంగా ప్రాధాన్యత కలిగి ఉంటాయి, ఎందుకంటే ఇవి శక్తి పరిరక్షణను నిర్ధారిస్తాయి మరియు తీవ్రమైన పరిస్థితులలో మరింత స్థిరమైన అనుకరణలను అందిస్తాయి, ముఖ్యంగా జిగ్లర్-బియర్‌సాక్-లిట్‌మార్క్ (ZBL) పొటెన్షియల్ వంటి స్వల్ప-శ్రేణి వికర్షక దిద్దుబాట్లతో కలిపినప్పుడు.

ద్రావణి ప్రభావాలను చేర్చడం

సొల్యూట్-సాల్వెంట్ (ద్రావితం-ద్రావణి) వ్యవస్థల యొక్క అనేక అనుకరణలలో, ప్రధాన దృష్టి సొల్యూట్ ప్రవర్తనపైనే ఉంటుంది, ద్రావణి అణువుల ప్రవర్తనపై, ముఖ్యంగా సొల్యూట్ అణువుకు దూరంగా ఉన్న ద్రావణి అణువుల పట్ల పెద్దగా ఆసక్తి ఉండదు. ద్రావణులు యాదృచ్ఛిక ఘర్షణల ద్వారా మరియు ద్రావణి ద్వారా సొల్యూట్ కదలికపై ఘర్షణను కలిగించడం ద్వారా సొల్యూట్ల డైనమిక్ ప్రవర్తనను ప్రభావితం చేయవచ్చు. నాన్-రెక్టాంగులర్ పీరియాడిక్ బౌండరీ కండిషన్స్, స్టోకాస్టిక్ బౌండరీలు మరియు సాల్వెంట్ షెల్స్ ఉపయోగించడం వల్ల అవసరమైన ద్రావణి అణువుల సంఖ్యను తగ్గించవచ్చు మరియు కంప్యూటింగ్ సమయంలో ఎక్కువ భాగాన్ని సొల్యూట్ అనుకరణకు కేటాయించవచ్చు. ఎటువంటి స్పష్టమైన ద్రావణి అణువులు లేకుండానే ద్రావణి యొక్క ప్రభావాలను చేర్చడం కూడా సాధ్యమే. ఈ విధానానికి ఒక ఉదాహరణ పొటెన్షియల్ మీన్ ఫోర్స్ (PMF)ను ఉపయోగించడం, ఇది ఒక నిర్దిష్ట కోఆర్డినేట్ మారినప్పుడు ఫ్రీ ఎనర్జీ ఎలా మారుతుందో వివరిస్తుంది. PMF ద్వారా వివరించబడిన ఫ్రీ ఎనర్జీ మార్పు ద్రావణి యొక్క సగటు ప్రభావాలను కలిగి ఉంటుంది.

ద్రావణి ప్రభావాలను చేర్చకుండా మాక్రోమాలిక్యూల్స్ (ప్రోటీన్లు వంటివి) అనుకరణలు అవాస్తవిక ప్రవర్తనను కలిగించవచ్చు మరియు చిన్న అణువులు కూడా అనుకూలమైన వాన్ డెర్ వాల్స్ శక్తులు మరియు ఎలక్ట్రోస్టాటిక్ పరస్పర చర్యల కారణంగా మరింత కాంపాక్ట్ కన్ఫర్మేషన్లను పొందవచ్చు, ఇవి ద్రావణి సమక్షంలో తగ్గుతాయి.

సుదూర శక్తులు

సుదూర పరస్పర చర్య (long range interaction) అనేది ప్రాదేశిక పరస్పర చర్య $r^{-d}$ కంటే వేగంగా తగ్గని పరస్పర చర్య, ఇక్కడ $d$ అనేది వ్యవస్థ యొక్క డైమెన్షనాలిటీ. అయాన్ల మధ్య ఛార్జ్-ఛార్జ్ పరస్పర చర్యలు మరియు అణువుల మధ్య డైపోల్-డైపోల్ పరస్పర చర్యలు దీనికి ఉదాహరణలు. వేలకొద్దీ కణాల అనుకరణలలో బాక్స్ పొడవులో సగం కంటే ఎక్కువ దూరంలో ఇవి ముఖ్యమైనవి కాబట్టి, ఈ శక్తులను నమూనా చేయడం ఒక సవాలుగా ఉంటుంది. బాక్స్ పొడవును గణనీయంగా పెంచడం ఒక పరిష్కారం అయినప్పటికీ, ఈ బ్రూట్ ఫోర్స్ విధానం అనుకరణను కంప్యూటేషనల్ పరంగా చాలా ఖరీదైనదిగా మారుస్తుంది కాబట్టి ఇది ఆదర్శవంతమైనది కాదు. కట్-ఆఫ్ దూరానికి దగ్గరగా ఉన్నప్పుడు అవాస్తవిక ప్రవర్తన గమనించబడవచ్చు కాబట్టి పొటెన్షియల్‌ను గోళాకారంగా కత్తిరించడం (Spherically truncating) కూడా సాధ్యం కాదు.

అత్యంత ముఖ్యమైన సుదూర పరస్పర చర్యలు రెండు (పాక్షికంగా) ఛార్జ్ ఉన్న పరమాణువుల మధ్య ఎలక్ట్రోస్టాటిక్ పరస్పర చర్యలు. ప్రస్తుతం, అత్యధికంగా ఉపయోగించే పద్ధతి Particle Mesh Ewald (PME). PME గణనలను స్వల్ప మరియు సుదూర భాగాలుగా విభజించడానికి Ewald సమ్మేషన్లను ఉపయోగిస్తుంది. స్వల్ప-శ్రేణి భాగం కట్-ఆఫ్ పరిధిలోని అన్ని పరస్పర చర్యలను లెక్కిస్తుంది, సుదూర భాగం రెసిప్రోకల్ స్పేస్‌లో ఫాస్ట్ ఫోరియర్ ట్రాన్స్‌ఫార్మ్స్ (FFTs) ఉపయోగించి పరిష్కరించబడుతుంది. అధిక ఖచ్చితత్వం మరియు వేగవంతమైన గణన వేగం కారణంగా PME చాలా సంవత్సరాలుగా గోల్డ్ స్టాండర్డ్‌గా ఉంది. అయితే, పారలలైజేషన్ పెరగడంతో, FFTలకు ఆల్-టు-ఆల్ కమ్యూనికేషన్ అవసరమవుతుంది కాబట్టి PME కమ్యూనికేషన్ అడ్డంకిని ఎదుర్కొంటుంది. PMEకి ప్రత్యామ్నాయంగా fast multipole method (FMM) ఆకర్షణీయంగా ఉంటుంది, ఇది పారలలైజేషన్ పెరుగుదల వల్ల ప్రభావితం కాదు. అదనంగా, FMM చాలా పెద్ద వ్యవస్థల అనుకరణలను అనుమతిస్తుంది మరియు periodic boundary conditions అవసరాన్ని తొలగిస్తుంది, ఇది బయో-మాలిక్యూల్స్ యొక్క గ్యాస్-ఫేజ్ అనుకరణలకు ప్రత్యేకంగా ఉపయోగపడుతుంది.

స్టీర్డ్ మాలిక్యులర్ డైనమిక్స్ (SMD)

స్టీర్డ్ మాలిక్యులర్ డైనమిక్స్ (SMD) అనుకరణలు, లేదా ఫోర్స్ ప్రోబ్ అనుకరణలు, ఒక ప్రోటీన్‌ను కావలసిన డిగ్రీల స్వేచ్ఛతో లాగడం ద్వారా దాని నిర్మాణాన్ని మార్చడానికి దానిపై బలాలను ప్రయోగిస్తాయి. ఈ ప్రయోగాలు పరమాణు స్థాయిలో ప్రోటీన్‌లో నిర్మాణ మార్పులను వెల్లడించడానికి ఉపయోగించవచ్చు. SMD తరచుగా మెకానికల్ అన్‌ఫోల్డింగ్ లేదా స్ట్రెచింగ్ వంటి సంఘటనలను అనుకరించడానికి ఉపయోగించబడుతుంది.

SMDలో రెండు సాధారణ ప్రోటోకాల్‌లు ఉన్నాయి: ఒకటి లాగే వేగం స్థిరంగా ఉండేది, మరొకటి ప్రయోగించిన బలం స్థిరంగా ఉండేది. సాధారణంగా, అధ్యయనం చేయబడిన వ్యవస్థలో కొంత భాగం (ఉదాహరణకు, ప్రోటీన్‌లోని ఒక పరమాణువు) హార్మోనిక్ పొటెన్షియల్ ద్వారా నియంత్రించబడుతుంది. ఆపై నిర్దిష్ట పరమాణువులపై స్థిరమైన వేగం లేదా స్థిరమైన బలంతో శక్తులు ప్రయోగించబడతాయి. అనుకరణలో మార్చబడిన శక్తులు, దూరాలు మరియు కోణాలను మార్చడం ద్వారా వ్యవస్థను కావలసిన రియాక్షన్ కోఆర్డినేట్ వెంట తరలించడానికి Umbrella sampling ఉపయోగించబడుతుంది. అంబ్రెల్లా శాంప్లింగ్ ద్వారా, వ్యవస్థ యొక్క అన్ని కాన్ఫిగరేషన్లు—అధిక-శక్తి మరియు తక్కువ-శక్తి రెండూ—సరిగ్గా శాంపిల్ చేయబడతాయి. అప్పుడు, ప్రతి కాన్ఫిగరేషన్ యొక్క ఫ్రీ ఎనర్జీ మార్పును potential of mean forceగా లెక్కించవచ్చు. PMFని లెక్కించడానికి ఒక ప్రసిద్ధ పద్ధతి వెయిటెడ్ హిస్టోగ్రామ్ అనాలిసిస్ మెథడ్ (WHAM), ఇది అంబ్రెల్లా శాంప్లింగ్ అనుకరణల శ్రేణిని విశ్లేషిస్తుంది.

SMD యొక్క అనేక ముఖ్యమైన అనువర్తనాలు డ్రగ్ డిస్కవరీ మరియు బయోమాలిక్యులర్ సైన్సెస్ రంగంలో ఉన్నాయి. ఉదాహరణకు, అల్జీమర్స్ ప్రోటోఫైబ్రిల్స్ యొక్క స్థిరత్వాన్ని పరిశోధించడానికి, సైక్లిన్-డిపెండెంట్ కినేస్ 5లో ప్రోటీన్ లిగాండ్ పరస్పర చర్యను అధ్యయనం చేయడానికి మరియు త్రాంబిన్ (ప్రోటీన్) మరియు ఆప్టామెర్ (న్యూక్లియోటైడ్) కాంప్లెక్స్‌పై విద్యుత్ క్షేత్రం యొక్క ప్రభావాన్ని చూపడానికి SMD ఉపయోగించబడింది.

అనువర్తనాల ఉదాహరణలు

నానోపోర్ (బాహ్య వ్యాసం 6.7 nm)లో 250 K వద్ద మూడు అణువులతో కూడిన synthetic molecular motor యొక్క మాలిక్యులర్ డైనమిక్స్ అనుకరణ

section

మాలిక్యులర్ డైనమిక్స్ విజ్ఞాన శాస్త్రంలోని అనేక రంగాలలో ఉపయోగించబడుతుంది.

• సరళీకృత జీవసంబంధమైన ఫోల్డింగ్ ప్రక్రియ యొక్క మొదటి MD అనుకరణ 1975లో ప్రచురించబడింది. నేచర్‌లో ప్రచురించబడిన దీని అనుకరణ ఆధునిక కంప్యూటేషనల్ ప్రోటీన్-ఫోల్డింగ్ యొక్క విస్తారమైన రంగానికి మార్గం సుగమం చేసింది.
• జీవసంబంధమైన ప్రక్రియ యొక్క మొదటి MD అనుకరణ 1976లో ప్రచురించబడింది. నేచర్‌లో ప్రచురించబడిన దీని అనుకరణ ప్రోటీన్ కదలికను కేవలం అనుబంధంగా కాకుండా, పనితీరులో ముఖ్యమైనదిగా అర్థం చేసుకోవడానికి మార్గం సుగమం చేసింది.
• ఘనపదార్థాలు మరియు ఘన ఉపరితలాలపై శక్తివంతమైన neutron మరియు ion irradiation చూపే ప్రభావాలను, అంటే హీట్ స్పైక్ పాలనలో collision cascadeలను నిర్వహించడానికి MD ఒక ప్రామాణిక పద్ధతి.

కింది బయోఫిజికల్ ఉదాహరణలు చాలా పెద్ద పరిమాణంలో ఉన్న వ్యవస్థల (పూర్తి వైరస్) లేదా చాలా ఎక్కువ అనుకరణ సమయాల (1.112 మిల్లీసెకన్ల వరకు) అనుకరణలను రూపొందించడానికి చేసిన ముఖ్యమైన ప్రయత్నాలను వివరిస్తాయి:

• పూర్తి satellite tobacco mosaic virus (STMV) యొక్క MD అనుకరణ (2006, పరిమాణం: 1 మిలియన్ పరమాణువులు, అనుకరణ సమయం: 50 ns, ప్రోగ్రామ్: NAMD) ఈ వైరస్ ఒక చిన్న, ఐకోసాహెడ్రల్ ప్లాంట్ వైరస్, ఇది టొబాకో మొజాయిక్ వైరస్ (TMV) వల్ల కలిగే ఇన్ఫెక్షన్ లక్షణాలను తీవ్రతరం చేస్తుంది. వైరల్ అసెంబ్లీ యొక్క యంత్రాంగాలను పరిశోధించడానికి మాలిక్యులర్ డైనమిక్స్ అనుకరణలు ఉపయోగించబడ్డాయి. మొత్తం STMV కణం వైరల్ capsid (కోటింగ్)ను తయారు చేసే ఒక ప్రోటీన్ యొక్క 60 ఒకేలాంటి కాపీలను మరియు 1063 న్యూక్లియోటైడ్ సింగిల్ స్ట్రాండెడ్ RNA genomeను కలిగి ఉంటుంది. లోపల RNA లేనప్పుడు క్యాప్సిడ్ చాలా అస్థిరంగా ఉంటుందని ఒక ముఖ్యమైన పరిశోధనలో తేలింది. ఈ అనుకరణ పూర్తి కావడానికి 2006 నాటి డెస్క్‌టాప్ కంప్యూటర్‌కు సుమారు 35 సంవత్సరాలు పడుతుంది. అందువల్ల, ఇది అనేక ప్రాసెసర్లలో సమాంతరంగా, వాటి మధ్య నిరంతర కమ్యూనికేషన్‌తో చేయబడింది.
• Villin హెడ్‌పీస్ యొక్క ఆల్-ఆటమ్ ఫోల్డింగ్ అనుకరణలు (2006, పరిమాణం: 20,000 పరమాణువులు; అనుకరణ సమయం: 500 μs= 500,000 ns, ప్రోగ్రామ్: Folding@home) ఈ అనుకరణ ప్రపంచవ్యాప్తంగా పాల్గొనే వ్యక్తిగత కంప్యూటర్ల యొక్క 200,000 CPUలలో నడపబడింది. ఈ కంప్యూటర్లలో స్టాన్‌ఫోర్డ్ విశ్వవిద్యాలయంలో Vijay Pande సమన్వయం చేసిన పెద్ద-స్థాయి డిస్ట్రిబ్యూటెడ్ కంప్యూటింగ్ ప్రయత్నమైన Folding@home ప్రోగ్రామ్ ఇన్‌స్టాల్ చేయబడింది. విల్లిన్ హెడ్‌పీస్ ప్రోటీన్ యొక్క కైనెటిక్ లక్షణాలు నిరంతర రియల్-టైమ్ కమ్యూనికేషన్ లేకుండా CPUల ద్వారా నడపబడే అనేక స్వతంత్ర, చిన్న ట్రాజెక్టరీలను ఉపయోగించి పరిశోధించబడ్డాయి. ఉపయోగించిన ఒక పద్ధతి Pfold వాల్యూ అనాలిసిస్, ఇది ఒక నిర్దిష్ట ప్రారంభ కన్ఫర్మేషన్ అన్‌ఫోల్డింగ్ కంటే ముందు ఫోల్డింగ్ అయ్యే సంభావ్యతను కొలుస్తుంది. Pfold ట్రాన్సిషన్ స్టేట్ నిర్మాణాలు మరియు ఫోల్డింగ్ పాత్‌వే వెంట కన్ఫర్మేషన్ల క్రమం గురించి సమాచారాన్ని ఇస్తుంది. Pfold గణనలోని ప్రతి ట్రాజెక్టరీ సాపేక్షంగా చిన్నదిగా ఉండవచ్చు, కానీ అనేక స్వతంత్ర ట్రాజెక్టరీలు అవసరం.
• D. E. Shaw Research ద్వారా కస్టమ్ application-specific integrated circuitలు (ASICs) మరియు ఇంటర్‌కనెక్ట్‌ల చుట్టూ రూపొందించబడిన మరియు నిర్మించబడిన మాసివ్లీ పారలల్ సూపర్ కంప్యూటర్ అయిన ఆంటన్పై సుదీర్ఘ నిరంతర-ట్రాజెక్టరీ అనుకరణలు నిర్వహించబడ్డాయి. ఆంటన్ ఉపయోగించి నిర్వహించిన అనుకరణ యొక్క అత్యంత సుదీర్ఘమైన ప్రచురించబడిన ఫలితం 355 K వద్ద NTL9 యొక్క 1.112-మిల్లీసెకన్ల అనుకరణ; ఈ కాన్ఫిగరేషన్ యొక్క రెండవ, స్వతంత్ర 1.073-మిల్లీసెకన్ల అనుకరణ కూడా నిర్వహించబడింది (మరియు 250 μs కంటే ఎక్కువ నిరంతర రసాయన సమయం ఉన్న అనేక ఇతర అనుకరణలు). How Fast-Folding Proteins Foldలో, పరిశోధకులు క్రెస్టెన్ లిండోర్ఫ్-లార్సెన్, స్టెఫానో పియానా, రాన్ ఓ. డ్రోర్ మరియు David E. Shaw "100 μs మరియు 1 ms మధ్య కాలాల్లో అణు-స్థాయి మాలిక్యులర్ డైనమిక్స్ అనుకరణల ఫలితాలను చర్చిస్తారు, ఇవి 12 నిర్మాణపరంగా విభిన్నమైన ప్రోటీన్ల ఫోల్డింగ్‌కు ఆధారమైన సాధారణ సూత్రాల సమితిని వెల్లడిస్తాయి." ప్రత్యేకమైన, కస్టమ్ హార్డ్‌వేర్ ద్వారా సాధ్యమైన ఈ విభిన్న సుదీర్ఘ ట్రాజెక్టరీల పరిశీలన, "చాలా సందర్భాలలో, ఫోల్డింగ్ ఒకే ప్రధాన మార్గాన్ని అనుసరిస్తుంది, దీనిలో స్థానిక నిర్మాణంలోని అంశాలు అన్‌ఫోల్డ్ స్థితిలో ఏర్పడే వాటి ధోరణితో అత్యధికంగా సంబంధం కలిగి ఉన్న క్రమంలో కనిపిస్తాయి" అని నిర్ధారించడానికి వారిని అనుమతిస్తుంది. ఒక ప్రత్యేక అధ్యయనంలో, 300 K వద్ద బోవిన్ ప్యాంక్రియాటిక్ ట్రిప్సిన్ ఇన్హిబిటర్ (BPTI) యొక్క నేటివ్-స్టేట్ డైనమిక్స్ యొక్క 1.013-మిల్లీసెకన్ల అనుకరణను నిర్వహించడానికి ఆంటన్ ఉపయోగించబడింది.

MD పద్ధతి యొక్క మరొక ముఖ్యమైన అనువర్తనం పరమాణు స్థాయిలో మైక్రోస్ట్రక్చరల్ పరిణామాన్ని 3-డైమెన్షనల్ క్యారెక్టరైజేషన్ మరియు విశ్లేషణ చేసే సామర్థ్యం నుండి ప్రయోజనం పొందుతుంది.

• MD అనుకరణలు గ్రెయిన్ సైజ్ పరిణామం యొక్క క్యారెక్టరైజేషన్‌లో ఉపయోగించబడతాయి, ఉదాహరణకు, నానోక్రిస్టలైన్ Al మరియు Al(Zr) పదార్థాల అరుగుదల మరియు ఘర్షణను వివరించేటప్పుడు. ఈ అనుకరణలో ఘర్షణ ప్రక్రియలో డిస్లోకేషన్ల పరిణామం మరియు గ్రెయిన్ సైజ్ పరిణామం విశ్లేషించబడతాయి. MD పద్ధతి మైక్రోస్ట్రక్చర్ యొక్క పూర్తి సమాచారాన్ని అందించినందున, గ్రెయిన్ సైజ్ పరిణామం Polyhedral Template Matching, Grain Segmentation, మరియు Graph clustering పద్ధతులను ఉపయోగించి 3Dలో లెక్కించబడింది. ఇటువంటి అనుకరణలో, MD పద్ధతి గ్రెయిన్ సైజ్ యొక్క ఖచ్చితమైన కొలతను అందించింది. ఈ సమాచారాన్ని ఉపయోగించి, అసలైన గ్రెయిన్ నిర్మాణాలు సేకరించబడ్డాయి, కొలవబడ్డాయి మరియు ప్రదర్శించబడ్డాయి. పదార్థం యొక్క ఒకే 2-డైమెన్షనల్ స్లైస్‌తో SEMని ఉపయోగించే సాంప్రదాయ పద్ధతితో పోలిస్తే, MD పరమాణు స్థాయిలో మైక్రోస్ట్రక్చరల్ పరిణామాన్ని వర్ణించడానికి 3-డైమెన్షనల్ మరియు ఖచ్చితమైన మార్గాన్ని అందిస్తుంది.

సిమెంటీషియస్ పదార్థాలలో అనువర్తనాలు

హైడ్రేషన్ ఉత్పత్తుల యొక్క నానోస్కేల్ యాంత్రిక ప్రవర్తన మరియు నిర్మాణ లక్షణాలను పరిశోధించడానికి సిమెంట్ మరియు కాంక్రీట్ పరిశోధనలో మాలిక్యులర్ డైనమిక్స్ (MD) అనుకరణలు కూడా ఎక్కువగా ఉపయోగించబడుతున్నాయి. ముఖ్యంగా, ప్రధాన క్లింకర్ దశల (C₃S, C₂S, C₃A, మరియు C₄AF) యొక్క ఎలాస్టిక్ లక్షణాలను అంచనా వేయడానికి మరియు వాటి బల్క్, షీర్ మరియు యంగ్స్ మాడ్యులైలను అంచనా వేయడంలో వివిధ ఫోర్స్ ఫీల్డ్స్ యొక్క పనితీరును మూల్యాంకనం చేయడానికి MD ఉపయోగించబడింది.

తదుపరి అధ్యయనాలు కాల్షియం సిలికేట్ హైడ్రేట్ (C–S–H) జెల్‌పై దృష్టి సారించాయి, ఇది హైడ్రేటెడ్ సిమెంట్ పేస్ట్‌లో సుమారు 50–70% ఉంటుంది. MD మరియు మోంటే కార్లో అనుకరణలను ఉపయోగించి, C–S–H యొక్క యాంత్రిక లక్షణాలు మరియు దృఢత్వంపై నీటి కంటెంట్, Ca/Si నిష్పత్తి మరియు నిర్మాణ లోపాల ప్రభావాన్ని వివరంగా అన్వేషించారు, నీటి కంటెంట్ లేదా Ca/Si నిష్పత్తిని పెంచడం సాధారణంగా జెల్ యొక్క యంగ్స్ మాడ్యులస్‌ను తగ్గిస్తుందని వెల్లడించారు.

ఇటువంటి నానోస్కేల్ అంతర్దృష్టులు సిమెంట్ హైడ్రేట్ల యొక్క పరమాణు-స్థాయి లక్షణాలను కాంక్రీటు యొక్క మాక్రోస్కోపిక్ పనితీరుతో అనుసంధానించే మల్టీస్కేల్ మోడలింగ్ ఫ్రేమ్‌వర్క్‌లకు దోహదపడతాయి, తక్కువ-క్లింకర్, అధిక-పనితీరు గల మరియు మరింత స్థిరమైన సిమెంటీషియస్ పదార్థాల రూపకల్పనను ప్రారంభిస్తాయి.

మాలిక్యులర్ డైనమిక్స్ అల్గారిథమ్స్

• Screened Coulomb potentials implicit solvent model

ఇంటిగ్రేటర్లు

• Symplectic integrator
• Verlet–Stoermer integration
• Runge–Kutta integration
• Beeman's algorithm
• Constraint algorithms (నియంత్రిత వ్యవస్థల కోసం)

స్వల్ప-శ్రేణి పరస్పర చర్య అల్గారిథమ్స్

• Cell lists
• Verlet list
• బాండెడ్ పరస్పర చర్యలు

సుదూర పరస్పర చర్య అల్గారిథమ్స్

• Ewald summation
• పార్టికల్ మెష్ Ewald summation (PME)
• పార్టికల్–పార్టికల్–పార్టికల్–మెష్ (P3M)
• Shifted force method

పారలలైజేషన్ వ్యూహాలు

• Domain decomposition method (parallel computing కోసం సిస్టమ్ డేటా పంపిణీ)

అబ్ ఇనిషియో మాలిక్యులర్ డైనమిక్స్

• Car–Parrinello molecular dynamics

MD అనుకరణల కోసం ప్రత్యేక హార్డ్‌వేర్

• Anton – MD అనుకరణలను అమలు చేయడానికి రూపొందించబడిన ఒక ప్రత్యేకమైన, భారీ సమాంతర సూపర్ కంప్యూటర్
• MDGRAPE – మాలిక్యులర్ డైనమిక్స్ అనుకరణల కోసం, ముఖ్యంగా ప్రోటీన్ నిర్మాణ అంచనా కోసం నిర్మించిన ప్రత్యేక ప్రయోజన వ్యవస్థ

MD అనుకరణల కోసం హార్డ్‌వేర్‌గా గ్రాఫిక్స్ కార్డ్

ఈ విభాగం ఈ వ్యాసం నుండి సంగ్రహం: Molecular modeling on GPUs

ఇవి కూడా చూడండి

• మాలిక్యులర్ మోడలింగ్
• కంప్యూటేషనల్ కెమిస్ట్రీ
• ఫోర్స్ ఫీల్డ్ (కెమిస్ట్రీ)
• ఫోర్స్ ఫీల్డ్ అమలుల పోలిక
• మోంటే కార్లో పద్ధతి
• మాలిక్యులర్ డిజైన్ సాఫ్ట్‌వేర్
• మాలిక్యులర్ మెకానిక్స్
• మల్టీస్కేల్ గ్రీన్ ఫంక్షన్
• కార్–పరినెల్లో పద్ధతి
• మాలిక్యులర్ మెకానిక్స్ మోడలింగ్ సాఫ్ట్‌వేర్ పోలిక
• క్వాంటం కెమిస్ట్రీ
• డిస్క్రీట్ ఎలిమెంట్ పద్ధతి
• న్యూక్లియిక్ యాసిడ్ అనుకరణ సాఫ్ట్‌వేర్ పోలిక
• మాలిక్యూల్ ఎడిటర్
• మిశ్రమ క్వాంటం-క్లాసికల్ డైనమిక్స్

మూలాలు

సాధారణ మూలాలు

• Allen MP, Tildesley DJ (1989). Computer simulation of liquids. Oxford University Press. ISBN 0-19-855645-4.
• McCammon JA, Harvey SC (1987). Dynamics of Proteins and Nucleic Acids. Cambridge University Press. ISBN 0-521-30750-3.
• Rapaport DC (1996). The Art of Molecular Dynamics Simulation. ISBN 0-521-44561-2.
• Griebel M, Knapek S, Zumbusch G (2007). Numerical Simulation in Molecular Dynamics. Berlin, Heidelberg: Springer. ISBN 978-3-540-68094-9.
• Frenkel D, Smit B (2002). Understanding Molecular Simulation: from algorithms to applications. San Diego: Academic Press. ISBN 978-0-12-267351-1.
• Haile JM (2001). Molecular Dynamics Simulation: Elementary Methods. Wiley. ISBN 0-471-18439-X.
• Sadus RJ (2002). Molecular Simulation of Fluids: Theory, Algorithms and Object-Orientation. Elsevier. ISBN 0-444-51082-6.
• Becker OM, Mackerell Jr AD, Roux B, Watanabe M (2001). Computational Biochemistry and Biophysics. Marcel Dekker. ISBN 0-8247-0455-X.
• Leach A (2001). Molecular Modelling: Principles and Applications. (2nd ed.). Prentice Hall. ISBN 978-0-582-38210-7.
• Schlick T (2002). Molecular Modeling and Simulation. Springer. ISBN 0-387-95404-X.
• Hoover WB (1991). Computational Statistical Mechanics. Elsevier. ISBN 0-444-88192-1.
• Evans DJ, Morriss G (2008). Statistical Mechanics of Nonequilibrium Liquids. (Second ed.). Cambridge University Press. ISBN 978-0-521-85791-8.

బాహ్య లింకులు

వికీమీడియా కామన్స్: Molecular dynamics simulation

• The GPUGRID.net Project (GPUGRID.net)
• The Blue Gene Project (IBM) JawBreakers.org
• Materials modelling and computer simulation codes
• A few tips on molecular dynamics
• Movie of MD simulation of water (YouTube)

---

మూలం: ఇంగ్లీష్ వికీపీడియాలోని “Molecular dynamics” వ్యాసానికి అనువాదం. మూల వ్యాసం: https://en.wikipedia.org/wiki/Molecular_dynamics ఈ అనువాదం స్వయంచాలకంగా రూపొందించబడింది.