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

全文链接：http://tecdat.cn/?p=27993 

原文出处：拓端数据部落公众号

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：

1. 辨别系统的激发态密度
2. 验证系统激发态密度和系统压力是否成log关系

1. 计算系统的弛豫时间（relaxation time）

1. 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

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

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