De Wikipedia, la enciclopedia libre
Saltar a navegación Saltar a búsqueda

La dinámica de partículas disipativas ( DPD ) es una técnica de simulación estocástica para simular las propiedades dinámicas y reológicas de fluidos simples y complejos. Inicialmente fue ideado por Hoogerbrugge y Koelman [1] [2] para evitar los artefactos de celosía de los llamados autómatas de gas de celosía y abordar escalas de tiempo y espacio hidrodinámicas más allá de las disponibles con dinámica molecular (MD). Posteriormente fue reformulado y ligeramente modificado por P. Español [3] para asegurar el adecuado estado de equilibrio térmico. Se presenta una serie de nuevos algoritmos DPD con complejidad computacional reducida y mejor control de las propiedades de transporte. [4]Los algoritmos presentados en este artículo eligen aleatoriamente un par de partículas para aplicar termostatización DPD reduciendo así la complejidad computacional.

DPD es una técnica de simulación mesoscópica fuera de la red que implica un conjunto de partículas que se mueven en un espacio continuo y en un tiempo discreto. Las partículas representan moléculas completas o regiones fluidas, en lugar de átomos individuales, y los detalles atomísticos no se consideran relevantes para los procesos abordados. Los grados de libertad internos de las partículas se integran y reemplazan por fuerzas disipativas y aleatorias por pares simplificadas, para conservar el impulso localmente y garantizar un comportamiento hidrodinámico correcto. La principal ventaja de este método es que da acceso a escalas de tiempo y longitud más largas que las que son posibles usando simulaciones MD convencionales. Las simulaciones de fluidos poliméricos en volúmenes de hasta 100 nm en dimensión lineal durante decenas de microsegundos son ahora comunes.

Ecuaciones [ editar ]

La fuerza total no ligada que actúa sobre una partícula de DPD i viene dada por una suma de todas las partículas j que se encuentran dentro de una distancia de corte fija, de tres fuerzas aditivas por pares:

donde el primer término de la ecuación anterior es una fuerza conservadora, el segundo una fuerza disipativa y el tercero una fuerza aleatoria. La fuerza conservadora actúa para dar a las perlas una identidad química, mientras que las fuerzas disipativas y aleatorias juntas forman un termostato que mantiene constante la temperatura media del sistema. Una propiedad clave de todas las fuerzas no ligadas es que conservan el impulso localmente, de modo que los modos hidrodinámicos del fluido emergen incluso para cantidades pequeñas de partículas. La conservación del impulso local requiere que la fuerza aleatoria entre dos perlas que interactúan sea antisimétrica. Por lo tanto, cada par de partículas que interactúan requiere solo un cálculo de fuerza aleatorio. Esto distingue a DPD de la dinámica browniana.en el que cada partícula experimenta una fuerza aleatoria independientemente de todas las demás partículas. Las perlas se pueden conectar en 'moléculas' atándolas con resortes blandos (a menudo hookeanos). Las aplicaciones más comunes de DPD mantienen constante el número de partículas , el volumen y la temperatura, por lo que tienen lugar en el conjunto NVT. Alternativamente, la presión en lugar del volumen se mantiene constante, de modo que la simulación esté en el conjunto NPT.

Paralelización [ editar ]

En principio, las simulaciones de sistemas muy grandes, que se acercan a un micrón cúbico por milisegundos, son posibles utilizando una implementación paralela de DPD ejecutándose en múltiples procesadores en un BeowulfClúster de estilo. Debido a que las fuerzas no vinculadas son de corto alcance en DPD, es posible paralelizar un código DPD de manera muy eficiente utilizando una técnica de descomposición de dominio espacial. En este esquema, el espacio total de simulación se divide en varias regiones cuboidales, cada una de las cuales se asigna a un procesador distinto en el grupo. Cada procesador es responsable de integrar las ecuaciones de movimiento de todas las cuentas cuyos centros de masa se encuentran dentro de su región del espacio. Solo las perlas que se encuentran cerca de los límites del espacio de cada procesador requieren comunicación entre procesadores. Para garantizar que la simulación sea eficiente, el requisito crucial es que el número de interacciones partícula-partícula que requieren comunicación entre procesadores sea mucho menor que el número de interacciones partícula-partícula dentro de la mayor parte de cada procesador 's región del espacio. En términos generales, esto significa que el volumen de espacio asignado a cada procesador debe ser lo suficientemente grande como para que su área de superficie (multiplicada por una distancia comparable a la distancia de corte de fuerza) sea mucho menor que su volumen.

Aplicaciones [ editar ]

Se ha simulado una amplia variedad de fenómenos hidrodinámicos complejos utilizando DPD, la lista aquí es necesariamente incompleta. El objetivo de estas simulaciones a menudo es relacionar las propiedades de flujo macroscópicas no newtonianas del fluido con su estructura microscópica. Estas aplicaciones de DPD van desde el modelado de las propiedades reológicas del hormigón [5] hasta la simulación de la formación de liposomas en biofísica [6] y otros fenómenos trifásicos recientes como la humectación dinámica. [7]

El método DPD también ha encontrado popularidad en el modelado de flujos multifase heterogéneos que contienen objetos deformables como células sanguíneas [8] y micelas poliméricas. [9]

Lectura adicional [ editar ]

El rastro completo de los desarrollos de varios aspectos importantes de la metodología DPD desde que se propuso por primera vez a principios de la década de 1990 se puede encontrar en "Dinámica de partículas disipativas: Introducción, metodología y aplicaciones de fluidos complejos - Una revisión". [10]

El estado del arte en DPD fue capturado en un taller de CECAM en 2008. [11] Las innovaciones a la técnica presentada allí incluyen DPD con conservación de energía; fuerzas de fricción no centrales que permiten ajustar la viscosidad del fluido; un algoritmo para prevenir el cruzamiento de enlaces entre polímeros; y la calibración automatizada de los parámetros de interacción DPD a partir de la dinámica molecular atomística . Recientemente, se han mostrado ejemplos de calibración y parametrización automatizadas frente a observables experimentales. Además, se han explorado conjuntos de datos con el propósito de interacción potencial de calibración y parametrización. [12] [13] Swope y col., han proporcionado un análisis detallado de los datos de la literatura y un conjunto de datos experimentales basados ​​en la concentración de micelas críticas (CMC) y el número de agregación medio micelar (N agg ). [14] Los ejemplos de simulaciones micelares que utilizan DPD han sido bien documentados previamente. [15] [16] [17]

Referencias [ editar ]

  1. ↑ Hoogerbrugge, P. J; Koelman, JMV A (1992). "Simulación de fenómenos hidrodinámicos microscópicos con dinámica de partículas disipativas". Cartas de Europhysics (EPL) . 19 (3): 155–160. Código Bibliográfico : 1992EL ..... 19..155H . doi : 10.1209 / 0295-5075 / 19/3/001 . ISSN  0295-5075 .
  2. ^ Koelman, JMV A; Hoogerbrugge, P. J (1993). "Simulaciones dinámicas de suspensiones de esfera dura bajo cizallamiento constante". Cartas de Europhysics (EPL) . 21 (3): 363–368. Código Bibliográfico : 1993EL ..... 21..363K . doi : 10.1209 / 0295-5075 / 21/3/018 . ISSN 0295-5075 . 
  3. ^ Español, P; Warren, P (1995). "Mecánica estadística de la dinámica de partículas disipativas". Cartas de Europhysics (EPL) . 30 (4): 191-196. Código bibliográfico : 1995EL ..... 30..191E . doi : 10.1209 / 0295-5075 / 30/4/001 . ISSN 0295-5075 . S2CID 14385201 .  
  4. ^ Goga, N .; Rzepiela, AJ; de Vries, AH; Marrink, SJ; Berendsen, HJC (2012). "Algoritmos eficientes para Langevin y DPD Dynamics" . Revista de teoría química y computación . 8 (10): 3637–3649. doi : 10.1021 / ct3000876 . ISSN 1549-9618 . PMID 26593009 .  
  5. ^ James S. Sims y Nicos S. Martys: Modelado de las propiedades reológicas del hormigón
  6. ^ Petri Nikunen, Mikko Karttunen e Ilpo Vattulainen: modelado de la formación de liposomas en biofísica Archivado el 22 de julio de 2007 en la Wayback Machine.
  7. ^ B. Henrich, C. Cupelli, M. Moseler y M. Santer ": Un modelo de pared DPD adhesivo para humectación dinámica, Europhysics Letters 80 (2007) 60004, p.1
  8. ^ Blumers, Ansel; Tang, Yu-Hang; Li, Zhen; Li, Xuejin; Karniadakis, George (agosto de 2017). "Simulaciones de glóbulos rojos acelerados por GPU con dinámica de partículas disipativas de transporte" . Comunicaciones de Física Informática . 217 : 171-179. arXiv : 1611.06163 . Código bibliográfico : 2017CoPhC.217..171B . doi : 10.1016 / j.cpc.2017.03.016 . PMC 5667691 . PMID 29104303 .  
  9. ^ Tang, Yu-Hang; Li, Zhen; Li, Xuejin; Deng, Mingge; Karniadakis, George (2016). "Dinámica de no equilibrio de vesículas y micelas por autoensamblaje de copolímeros de bloque con doble termorrespuesta". Macromoléculas . 49 (7): 2895–2903. Código Bib : 2016MaMol..49.2895T . doi : 10.1021 / acs.macromol.6b00365 .
  10. ^ Moeendarbary; et al. (2009). "Dinámica de partículas disipativas: introducción, metodología y aplicaciones de fluidos complejos - una revisión". Revista Internacional de Mecánica Aplicada . 1 (4): 737–763. Código Bibliográfico : 2009IJAM .... 1..737M . doi : 10.1142 / S1758825109000381 . S2CID 50363270 . 
  11. ^ Dinámica de partículas disipativas: abordar las deficiencias y establecer nuevas fronteras. Archivado el15 de julio de 2010en la Wayback Machine , taller del CECAM, del 16 al 18 de julio de 2008, Lausana, Suiza.
  12. ^ McDonagh, James; et al. (31 de mayo de 2020). "¿Qué puede hacer la digitalización para la innovación y el desarrollo de productos formulados" . Polymer international . doi : 10.1002 / pi.6056 .
  13. ^ McDonagh JL; et al. (2019). "Utilización del aprendizaje automático para la parametrización eficiente de campos de fuerza molecular de grano grueso" . Revista de información química y modelado . 59 (10): 4278–4288. doi : 10.1021 / acs.jcim.9b00646 . PMID 31549507 . 
  14. ^ WC Swope; et al. (2019). "Desafío para reconciliar las propiedades micelares experimentales de la familia de tensioactivos no iónicos C n E m ". El Journal of Physical Chemistry B . 123 (7): 1696-1707. doi : 10.1021 / acs.jpcb.8b11568 . PMID 30657322 . 
  15. ^ Oviedo; et al. (2013). "Concentración de micelas críticas de una sal de amonio a través de simulaciones de DPD utilizando parámetros de interacción basados ​​en COSMO-RS". Revista AIChE . 59 (11): 4413–4423. doi : 10.1002 / aic.14158 .
  16. ^ Ryjkina; et al. (2013). "Simulaciones informáticas de dinámica molecular del comportamiento de fase de los tensioactivos no iónicos". Angewandte Chemie International Edition . 41 (6): 983–986. doi : 10.1002 / 1521-3773 (20020315) 41: 6 <983 :: AID-ANIE983> 3.0.CO; 2-Y . PMID 12491288 . 
  17. ^ Johnston; et al. (2016). "Hacia un protocolo estándar para la simulación de micelas" (PDF) . El Journal of Physical Chemistry B . 120 (26): 6337–6351. doi : 10.1021 / acs.jpcb.6b03075 . PMID 27096611 .  

Paquetes disponibles [ editar ]

Algunos paquetes de simulación disponibles que pueden (también) realizar simulaciones DPD son:

  • CULGI : The Chemistry Unified Language Interface, Culgi BV, Países Bajos
  • DL_MESO : software de simulación de mesoescala de código abierto.
  • DPDmacs
  • ESPResSo : Paquete de simulación extensible para la investigación de sistemas de materia blanda - Código abierto
  • Fluidix : el paquete de simulación Fluidix disponible en OneZero Software.
  • GPIUTMD : procesadores gráficos para dinámica de muchas partículas
  • Gromacs-DPD : una versión modificada de Gromacs que incluye DPD.
  • HOOMD-blue : Dinámica de muchas partículas orientada a objetos altamente optimizada — Blue Edition
  • LAMPARAS
  • Estudio de materiales : Estudio de materiales: modelado y simulación para el estudio de productos químicos y materiales, Accelrys Software Inc.
  • SYMPLER : un simulador de partícula SYMbolic gratuito de la Universidad de Friburgo.
  • SunlightDPD : software DPD de código abierto (GPL).

Enlaces externos [ editar ]

  • Técnica de simulación DPD por MatDL (Materials Digital Library Pathway) ( MatDL )