Python的分子模拟动态促进DF Theory理论对二进制硬盘系统的适用性

原文链接：http://tecdat.cn/?p=27993 

作者：Lawrence Xi

这是一个偏学术的项目。流体力学界对过冷液体（supercooled liquid）的认知还不完善，我的项目利用Python的分子模拟，通过搭建一个binary hard disk system并对系统进行压缩模拟来验证Dynamic Facilitation Theory是否适用于我搭建的分子模型。

DF Theory包含以下理论推测

系统激发态密度与系统压力成log关系：

系统的弛豫时间和系统压力成如下关系：

 来源：项目PPT

我在Python内搭建如上binary hard disk模型, 并压缩系统至不同的密度来模拟过冷液体。压缩完成之后在此运行系统来模拟过冷液体常规布朗运动。在此期间，收集每一个粒子的实时坐标（x,y）并做如下计算：

2. 辨别系统的激发态密度

4. 验证系统激发态密度和系统压力是否成log关系

2. 计算系统的弛豫时间（relaxation time）

2. 验证系统弛豫时间和系统压力的关系

结果 

通过收集大量系统模拟分子坐标的实时数据以及对其进行延伸计算，我们可以发现DF Theory是适用于binary hard disk system。 

激发识别

用指示函数量化激发的总密度 

 

  来源：项目PPT

Boltzmann关系：线性关系与查找能量标度KA

   来源：项目PPT

   来源：项目PPT

 

  来源：项目PPT

 

 来源：项目PPT 

 来源：项目PPT 

 

 来源：项目PPT 

关于作者

在此对Lawrence Xi对本文所作的贡献表示诚挚感谢，他毕业于加州大学圣塔芭芭拉分校，专长化学工程和统计。兴趣技能点广泛，对数据分析，品牌营销，客户策略，以及industry-related科研感兴趣，精通Microsoft Office，Python，Matlab，Mathematica等学术软件，尤其Python 数据分析经验充分。

---

最受欢迎的见解

1.用R语言模拟混合制排队随机服务排队系统

2.R语言中使用排队论预测等待时间

3.R语言中实现马尔可夫链蒙特卡罗MCMC模型

4.R语言中的马尔科夫机制转换(Markov regime switching)模型模型")

5.python中使用马尔可夫决策过程(MDP)动态编程来解决最短路径强化学习问题动态编程来解决最短路径强化学习问题")

6.用R语言模拟混合制排队随机服务排队系统

7.Python基于粒子群优化的投资组合优化

8.R语言几何布朗运动 GBM模拟股票价格优化建立期权定价概率加权收益曲线可视化

9.R语言进行支持向量机回归SVR和网格搜索超参数优化