Dinâmica Molecular e Monte Carlo
Prof. Roberto Gomes de Aguiar Veiga
Dia
- Tamanho do sistema → com computadores de hoje, ~106 átomos podem
ser considerados rotineiramente; até 109 átomos já foi atingido → muito
difícil chegar na escala do μm, relevante para muitos sistemas de interesse (policristais, florestas de discordâncias, meio poroso, etc) → lembre que em 1 cm3 de um material metálico típico estão contidos cerca de um mol
(6.02 x 1023) de átomos.
- Sistemas muito grandes (ou simulações muito longas) →
pós-processamento de uma quantidade enorme de dados requer workstations poderosas.
- Adicionalmente, estas simulações podem facilmente resultar em muitos terabytes de dados → armazenamento também se torna um problema sério.
Limitações da Dinâmica Molecular
- Tempo de simulação → ~10-9 s é o padrão; 10-6 s pode ser alcançado em
situações especiais.
- Consequência do tamanho do passo de tempo Δt → da ordem de 10-15 s
para sistemas atomísticos → 1 ns de tempo simulado com Δt=1 fs requer 1 milhão de passos de DM!
- Passo de tempo tem que ser pequeno o bastante para cobrir os
movimentos atômicos mais rápidos → vibrações num cristal da ordem de 1013-1014 Hz.
- Sistema facilmente “preso” em regiões do espaço de fase separadas de outras por barreiras de energia potencial elevadas → fenômenos
governados por eventos raros (e.g., difusão no estado sólido) não podem ser capturados.
- Simulações atomísticas no equilíbrio → produzir amostras de
microestados acessíveis ao sistema de interesse dadas as condições impostas ao sistema.
- Dinâmica molecular → evolução temporal do sistema de interesse → trajetória gerada representa microestados → observáveis, como visto anteriormente, podem ser calculados como médias dos valores de uma propriedade para esses microestados.
- Situações relacionadas às limitações da DM mostradas anteriormente impedem a geração de uma trajetória verdadeiramente representativa dos microestados no equilíbrio.
- E se a trajetória temporal determinística da DM pudesse ser substituída por uma trajetória gerada estocasticamente?
Calculando o π com pedras
π=4×Areacir
Areasq - Nós podemos estimar π mesmo sem nenhum instrumento de medida → não é necessário saber as áreas! - Atirando pedras dentro
de um quadrado com um círculo desenhado dentro → algumas vão cair
dentro do círculo, outras não.
- A probabilidade de uma pedra cair dentro do
círculo é relacionada com a razão entre a área do círculo e do quadrado.
π
=
4×N
insN
totL
Para qualquer problema um pouco mais complicado → melhor usar um computador...
Cassino de Monte Carlo, no Principado de Mônaco - Família de algoritmos estocásticos → baseados em números aleatórios. - Jogos de azar →
perda ou ganho ocorre com uma dada
probabilidade.
- Conhecimento sobre o sistema de interesse → probabilidades de encontrar o sistema num dado estado.
- Podemos estimar o valor de uma integral calculando o valor da função num número finito de pontos {x} escolhidos aleatoriamente:
I =
∫
a bf (x)dx≈(b−a)⟨f ( x)⟩=
(
b−a)
N
∑
if (x
i)
Média simples- Se é uma integral em poucas dimensões → métodos melhores (e.g., quadratura).
Integração com números aleatórios
x
Queremos estimar o valor de integrais multidimensionais como a que dá o valor esperado de um observável como função da configuração de um grande número de partículas no ensemble canônico:
Integração com números aleatórios
⟨
A ⟩=
∫
A (r
N)
exp
[
−
E(r
N)
kT
]
d r
N∫
exp
[
−
E (r
N)
kT
]
d r
N Densidade de probabilidade no ensemble canônico (NVT) como função da configuração rN.- Que pontos considerar no espaço amostral? - Amostragem aleatória simples →amostras altamente improváveis serão consideradas → contribuição negligível ao valor esperado.
- Estados ocorrem com probabilidades diferentes → melhor levar isso em contra ao construir a amostragem.
Integração com números aleatórios
E P E P
-
Amostragem por importância
→ amostras são escolhidas
levando em conta sua probabilidade de ocorrência na
distribuição de interesse.
- Metropolis propôs, em 1953, uma maneira de gerar amostras
aleatórias dentro do esquema de amostragem por importância.
- Em termos práticos → o algoritmo de Metropolis produz um
caminho aleatório
de um modo iterativo → cada iteração do
algoritmo produz uma configuração tentativa que pode ser
adicionada ou não à amostragem.
- Reduz a variância em torno do valor esperado.
ΔEE
Cria-se uma configuração inicial aleatória
Faz um movimento único, mudando a configuração atual Calcula a diferença de energia
ΔEE=En-Em
Se ΔEE<0, aceita a nova configuração; do contrário, aceita ou rejeita de acordo
com a condiçãode aceitação
R ep et e M v ez es
Algoritmo de Metropolis
⟨
A ⟩=
1
M
∑
i =1M
A
i- Valor esperado → média simples dos valores
para a grandeza de interesse nas configurações
geradas e aceitas pelo algoritmo de Metropolis.
- Uma mesma configuração pode ser
considerada várias vezes na obtenção da méida
→toda vez que uma configuração tentativa é
rejeitada, a anterior é contada novamente →
repetição de uma configuração relacionada à
sua probabilidade.
Cálculo do observável
Número de passos de MC Valor da grandeza A no i-ésimo passo de MCAlguma mudança no estado atual do
sistema em direção a algum outro estado → deslocamento da
partícula, mudança no sinal do spin, troca na espécie química de duas partículas, etc.
Movimentos de Monte Carlo
Troca
- Mesmo movimentos completamente não-físicos são
permitidos.
- Para manter as probabilidades a priori inalteradas →
movimento deve ser escolhido aleatoriamente de acordo com
uma probabilidade fixa → em princípio, nenhum viés!
- Viés pode ser introduzido para acelerar as simulações →
probabilidade de aceitação deve ser mudada para levar isso em
conta.
ΔEE
- Se a energia aumenta depois de um movimento
tentativo → nova configuração aceita se (no ensemble canônico):
Γ <exp
(
−ΔE kT)
Número pseudo-aleatório no invervalo (0,1(
- Maior a diferença de energia, menor a
probabilidade de aceitação → estados de menor energia são favorecidos.
- Maior a temperatura, maior o número de microestados visitados (maior a entropia).
Γ <
exp
(
−
Δ
E
kT
)
Por que esta é a probabilidade de um movimento de Monte Carlo ser aceito?
- A probabilidade de aceitação depende do ensemble estatístico subjacente → acima: ensemble canônico.
- É obtida a partir da condição de balanço detalhado → no
equilíbrio, a frequência de transições entre dois estados
quaisquer é a mesma em qualquer direção → reversibilidade microscópica (equações de movimento reversíveis no tempo).
Transições entre dois estados no equilíbrio
(1) (2)
Balanço detalhado
- Obedecer a condição de balanço detalhado → condição
suficiente
mas
não necessária
para que um algoritmo de
Monte Carlo reproduza o equilíbrio.
- De modo a obeder a condição de balanço detalhado:
π
i→ j
=
sel(i→ j)ac (i→ j)
Probabilidade de uma transição
- Probabilidade de que ocorra a transição do sistema de um estado i para um estado j.
- No contexto do esquema de Metropolis:
- No algoritmo original de Metropolis → sel(i→j)=sel(j→i) → probabilidades de seleção de uma transição e sua reversa são simétricas (sem viés).
Probabilidade de escolher a
Probabilidade de encontrar o sistema num microestado
P
1=
exp (−
β
E
1)
Z
No ensemble canônico:
Probabilidade de encontrar o sistema no estado (1).
Função de partição canônica.
Z =
∫
exp (−β
E)d rN1
kT
Em princípio → se quero saber a probabilidade de encontrar o sistema no estado (1) → integrar Z
→ não é necessário! → não queremos a
probabilidade de cada microestado, mas a razão entre elas.
π
1 →2p
1=
π
2 →1p
2sel
1 →2ac
1→ 2p
1=
sel
2→ 1ac
2→1p
2sel
1 →2=
sel
2 →1ac
1→ 2p
1=
ac
2→ 1p
2ac
1 →2ac
2 →1=
p
2p
1 Da condição de balanço detalhado: Ensemble canônicoac
1 →2ac
2 →1=
exp(−
β
E
2)
Z
Z
exp (−
β
E
1)
ac
1 →2ac
2 →1=
exp(−
β
E
2)
exp (−
β
E
1)
=
exp(−
β
Δ
E)
Dentre as possibilidades de probabilidade de aceitação, Metropolis selecionou
ac (1→2)=min[1, exp(−
β
Δ
E)]
2 1 3 4 2 1 Condições periódicas de contorno U1,2 U2,1 Superfícies livres
Condições periódicas de contorno
- Como em simulações de DM → condições periódicas ou abertas no contorno podem ser aplicadas.
- Energia potencial de cada partícula computada como em DM → energia total
E de uma configuração é a soma das energias de todas as partículas.