Escolar Documentos
Profissional Documentos
Cultura Documentos
da
Simulação
Computacional
;
ABC
da
Simulação Computacional
José Pedro Rino
Departamento de Física
Departamento de Física
Universidade Federal de Minas Gerais
EDITORIAL
Copyright O
Agradecimer
a paralelização de um ódigo
códig sell
Bibliografia
Gostaríamos também de agradezs
de nossa pesquisa.
13-04707 CDD-530.15
ISBN:
impresso no Brasil
LF Printed in Brazil
tas pelo Dr. Paulo Sérgio Branício, principalmente no que se refere ao capítulo dedicado
a paralelizaçãode um código
serial.
de nossa pesquisa.
Sumário
1 Experimentos Computacionais 11
1.1 Introdução. er rr 1
1.2 MonteCarlo......ccclsc 13
4.2.1 PotencialdeBon 54
....iccccccicccc
6.4
7
Temperatura constante
Tersoff ...iccicccccciccc 58
7.6
4.2.10 Aproximação de Segundo Momento Tight-Binding ....... 62 Algoritmo Wang-Lamiz
......cccccccccccs
quadrático médio
Capítulo
8.9.2 Deslocamento coeficiente de difusão 155
e ....
1
8.10 Termos utilizados ou traduzidos ....ccccccccccicc
.......ccccccc. 171
a
ajuda dos computadores. Nm d.
Experimentos Computacionais
Democritus de Abdera
1.1 Introdução
Os computadores têm influenciado nossa vida diária praticamente desde seu nascimento
lá pelos idos de 1940. Atualmente é impossível pensar em ciência ou
tecnologia sem
a ajuda dos computadores. Muito do que se faz em áreas aparentemente tão diversas
como previsão meteorológica, análise de cinética de reações bioquímicas ou difusão de
pode estar em qualquer área da ciência. Atualmente ouve-se com frequência expres-
sões como: física computacional, química computacional, bioinformática, econo-física
e muitas outras. Todas elas têm sua origem no uso de um modelo matemático para des-
crever o fenômeno de interesse e o uso de computadores para sua solução numérica. A
isso damos o nome de simulação computacional -
12 Experimentos Computacionais ci + a
impossíveis de
DO
dados ou ou se
naturais, como gerar que
experimentalmente. Simulações sob condições extremas de temperatura e pressão são É importante szb=ICE
ca
são muitas
que podem ser providos pela simulação
e vezes
exemplos de resultados que
fusão e fator de estrutura dinâmico, daquelas que são independentes do tempo, como LO am Ê
como função do tempo, o MC consiste em resolver uma equação Master para o sistema.
de onde
Como resultado, obtêm-se possíveis configurações independentes do tempo,
difusão
suas áreas de competênciae em muitos casos de sistemas complexos, como em
áreas se expandissem
forma exponencial. Este rápido crescimento fez com que muitas Espaço GE CONEM um
antecedên-
simulação do tempo, que permite a previsão quase exata, com vários dias de caça À
cia.
al.
13 Dinamica Da
polis, Rosenbluth, Rosenbluth, Teller, and Teller (Metropolis, Rosenbluth et 1953), ]
para o método Monte Carlo (Metropolis and Ulam 1949). permite explorar E pl
a
médias de
configurações do isto, calcular mens o
aleatoriamente o espaço das sistema e, com
a
E importante salientar que esses métodos são extremamente gerais, tendo sido aplicados
no estudo dos mais variados fenômenos, tais como sólidos, líquidos, meios granulares,
endentação,impacto, sistemas magnéticos,bolsa de valores, etc.
<A> =
[aids
sendo a distribuição de probabilidade P(x) dada por
. e ElxhkBT
Pgj= O
e
E(x) representando a energia do sistema com configuração (x). Em geral, a média
não pode ser avaliada analiticamente. Uma alternativa é avaliá-la numericamente usando
espaço de configuraçõesdo sistema. Existem formas muito eficientes de fazer essa busca
no espaço de fases. Dois algoritmos, Metropolis e Wang-Landau, serão discutidos no
capítulo7.
quando comparados com a realidade (sistemas não muito complexos contendo algumas
milhares de partículas podem ser simuladas ao longo de alguns microssegundos). No
dos
al.
convencionais, com a vantagem de reter todo detalhe atômico (Voter,
técnicas.
Montalenti
Detalhes
et
Capítulo 2
2002). Resultados surpreendentes podem ser obtidos com essas
Breve Revisã
1.4 Propósito e Organização do Livro
e seu uso para simular alguns sistemas. No capítulo 5 usamos os conceitos introduzi-
fisticados são introduzidos, permitindo trabalhar em ensembles onde o sistema não está
mais isolado. Finalmente, no capítulo 7 o método de Monte Carlo é apresentado. No
“Mecânica analítica, dinâmicz
capítulo 8 são fornecidos os conceitos básicos para a paralelização da simulação. Exem- movimento de corpos materizs.
1
neira simples, às vezes não muito econômica para não prejudicar o entendimento do
força e trajetória no espaço dz zm
Clássica
Natureza”
Aristóteles
que fenômenos quânticos não serão considerados. Conceitos básicos, tais como massa,
força trajetória
e no espaço de fase são necessários para a formulação da mecânica clás-
sica e a descrição do movimento de corpos e/ou partículas. Esses conceitos podem ser
revistos em vários livros textos, como por exemplo, A. Chaves, (Chaves 2001) H. Golds-
tein, (Goldstein 1980), Simon, (Simon 1971) Marion e Thornton, (Marion and Thornton
1995), dentre outros. Atualmente é consenso que a formulação matemática da mecã-
nica, como proposta por Newton, tornou-se não apropriada, principalmente ao tratarmos
de problemas mais complexos. Existem muitos livros que derivam a mecânica clássica
isso.
Breve Revisão da Mecânica Clássica 2.1 Formalismo Newtoniams
16
1. Lei de inércia -
estando as
força ex-
=
—
terna; No
LA
proporcional à mag-
é i=
2. Lei de força -
desde o século 19 físicos venham debatendo se esta é realmente uma lei ou uma
dpi(t) ) -
Pl
.
1,2,3,....N. 2.2
(2.2)
miPilt)
e
—
Oi, ! =
=
Mi
dt a? sosição da partícula com a ior
2
=
=
-
. ao tor que sobrere ela.
função
-
partícula como função do tempo, dependendo das condições iniciais, sendo chamada de
interna exten=.
Conservação
29
2.1.1 Leis de esto quanto
caso anterior, quando discum
é
Em uma situação mais geral, podemosdizer que a força total agindo em cada partícula Para que isso ocorra nec
do sistema é composta de duas partes: uma devido à interação mútua entre os constituin- centrais, isto é, forças dirisaiz
tes do sistema (forças internas) e outra devido à interação com o meio externo (forças Supondo que as forças sejam es
externas), isto é:
E-1=F; Ftinteração)
(externa) J
-
F;
1
.
(2.3)
.
Newtoniano 17
2.1 Formalismo
1 =
MI
=
m(externa)
F- i
.
(2.4)
II m | m
ye
e. — —
(2.5)
F, —
Pio) a
— .
di:
é definido
angular em relação à origem do sistema de coordenadas por:
L; =
Fi X mi; FP. (2.6)
-
dit) d Jo
d;
tixfi=ixm—+
i i i i
dt
=—
dt
((Bxmri(t))=——
i il )) i
dt
( 2.1 )
Li
=
& «
Para que isso ocorra é necessária uma condição mais restritiva: as forças devem ser
centrais, isto é, forças dirigidas ao longo da linha que une os centros das partículas.
Supondo que as forças sejam centrais a equação acima se reduz a
rna di
vas z x
(e o (2.9)
>
sistema estiver isolado, não haverá forças externas e, portanto, a va- 2.2 Formalismo pr
Novamente, se o
riação do momento angular total com o tempo é nula, ou, L constante. O momento
=
do sistema é, de movimento. já
fes
Forças conservativas
.
forças conservativas.
:
fimo
partícula atue força F. trabalho reali- sistema
on
potencial, isto é, £= E. —! ;
of
2. 2
dê; 1 nor
exemplo, A. Chaves
o
m— di
-[ mf
r
(2.10)
/ F. dy; =
1 1 dt 2 í 1095.
O trabalho feito sobre a partícula é dito estar armazenado no sistema como energia
cinética da partícula i, definida como Ec =
ami;rZ. Somando sobre todas as partículas . e
2N 2 N q
”
dt; | 2) all)
/ L Firo dr;
DM) «df; ' Ti Ec! Ec", 2.141
2.11)
—-
L+
= é co
mi ,
g== são N equações de sezumôm;
como
a
inicial e final. Tais sistemas são ditos conservativos e, assim, podemos escrever:
f
umndo U((g;)) a energia pormd,
fo
w=
[ i
Far
| i
VU .dr edas.
sendo = A A
. :
fã -
ra om
brando que W =
E,; E. y podemos escrever
-
coordenadas apropriado do cm
onde interpretamos Erorai como sendo a energia total do sistema, que é mais uma gran-
deza conservada.
“
3
Formalismo H==
e
2.3
A importância do conceito de energia está no fato de que todas as propriedades de um
se as
geral dos sistemas físicos. Faremos uma rápida revisão deste formalismo para o caso de
forças conservativas.
of c(d,ãJár=o0,
,
8s =
4 o€ E,dai i=1,2,..,N
di ldã)
que são N equações de segunda ordem e correspondem às equações de movimento de
Newton.
£=55
O] lmdi-UMa))]
i Il
(2.13)
Em muitos casos as equações de Lagrange são mais úteis do que as equações de New-
ton porque é muito mais fácil escrever a expressão da energia potencial no sistema de
lismo Lagrangiano está baseado nas energias do sistema (funções escalares), enquanto a
formulação de Newton está baseada nas forças (vetores) que atuam no sistema.
uma transformaçãode Legendre, em que a função de interesse seja uma função explícita 24 Equações de Movim
das coordenadas e momentos generalizados.
s
Se definirmos os momentos generalizados, p;, conjugado às coordenadas generalizadas meme para alguns casos muito param.
gicomo E=vem ser feitas de forma aprox-zmi.
d£ gemimos de integração para as som.
versibilidade no tempo. Às zm
H =
H(Gi,Di)
Ema E(gi, Gi,t). (2.15) 7==
acurácia
algoritmo
das
numérico
trajetóriaspara lomz
de integral.
miltoniana é uma função dos momenta generalizados e das coordenadas conjugadas empos de simulação
;
canônicas.
Comservaçãodo volume no espa
== o volume do espaço de fase imn)us
Nos casos em que a energia cinética for uma função quadráticanas velocidades e a ener-
pemservam o espaço de fase e. poros
gia potencial uma função somente das coordenadas generalizadas o importante resultado
Fm
=
1996; Landau and Krech 1595.
Lee e: al. 2005) que mostraram >om
pode ser demonstrado.
Liseville da mecânica clássica.
Se a Hamiltoniana não tiver uma dependência explícita do tempo, então SL = 0. Após
algumas manipulações matemáticas com a definição de H e com o fato Je H não ser
py k=1,2,...,3N. (2.16)
coordenadas
1
Espenda de todas as :
A princípio estas equações representam uma vantagem na formulação, pois são equa- mmporal de f é dada por
ções de primeira ordem em contraste com as equações de Lagrange, que são de segunda a
ordem. Sob o ponto de vista de se obter as soluções numéricas das equações de movi- di
mento, isso é irrelevante. Estas são as chamadas equações de Hamilton, formando um
sistema de 6N equações diferenciais de primeira ordem acopladas (Simon 1971; Golds- D=$me-se operador de Liouville c
tein 1980; Marion and Thornton 1995). Os sistemas que satisfazem tais equações terão
24 Equações de Movimento
conservam o espaço de fase e, portanto, devem ser evitados (Tuckerman, Beme et al.
1992).
al. 1996; Landau and Krech 1999; Frenkel and Smit 2002; Tsai, Krech et al. 2004; Tsai,
Lee et al. 2005) que mostraram como derivar um algoritmo partindo da formulação de
Liouville da mecânica clássica.
Considere um sistema clássico com N partículas interagentes. Seja f uma função que
dependa de todas as coordenadas e momenta das N partículas que compõem o sistema e
df a 4 90f 4 OFf
= (2.17)
a ETA+
Define-se operador de Liouville como
(2.18)
“
Dessa forma, derivada temporal de f pode formalmente escrita como expià &
—
a ser
= af =iLf.
LS 2.1
(2.19)
f= = J&a prática, a expansão é truncada
FP (0,5 (0)] =
e fr" (0), 5" (0))). (2.20)
Usamos esta aproximação nz
o ul
il, =
*(0)5= (2.21)
om A =1/é. Computacionsizus
Loowville. Sabendo-se
solução
as conca;
sendo que 7(0) é o valor de 7 em 1=0. Substituindo este operador de Liouville na
f(1) =
el f(P'(0), 5” (0))] = er f(0) fes
2
(iL,
=
f(0) +iL t f(0) +
Tof(O+..=
=
expfr(0)to/o7]f(0)
O) resultado de tal propagaçã
ce
(Ho) or
comhecimento de f no insiame 4
ou seja, o efeito da aplicação de exp(iL,t) em f resulta simplesmente em uma translação Esse resultado é dz
seguido zm
das coordenadas. ar
ilrA
Lp 50)
.
à
(2.23)
+ rirop',
(D(0) =
55»
propagação
ex
. Emalmente, a dz
ão do
sua aplicação em f resultará em uma translaçãodos momenta. Nocaso operador
geral, o novamente operador «
de Liouville é a soma de iL, + iL,. Neste ponto surgem algumas dificuldades, pois os
operadores iL, iL, e não comutam, não podendo, portanto, ser fatorados como o produto ;
4/2Der
go po
-
exp(A+B) £ exp(A).exp(B).
de Trotter
=fI(HO)-s
Esta dificuldade pode ser contornada considerando a identidade (Trotter 1959):
2.5 O Operador de Liouville 23
exp(A+B) = lim
p.,.. (418eB/5PE) 5, (2.24)
que
0B/€ E ONE),
exp(A+B) =
(es ARE)
Usamos esta aproximação na solução formal da equação de Liouville,
A iLpt t2nO am
O
,-—— = 2
D(0)== =
AD(0)-=,
é
B il
Lt 2 3
ds AS
=
eiLp8/2 piLrApiLpA/2(0).
eilps/? FF (0), BM
(O) = FIO),
(50)5(0)) +
Esse resultado é seguido de uma translação das coordenadas com a aplicação do opera-
dor eilrá
N N
es ritop
(D+ 50)) 1 =
=
f
o + AFA, (200 +
24 Breve Revisão da Mecânica Clássica
Jacobiano da transformaçãode
(7(0)”,p(0)" | em (F(A)”,(A) ) é simplesmente o
produto do Jacobiano das três transformaçõeselementares. Como o Jacobiano é unitá-
rio em cada caso, o Jacobiano total também é unitário, ou seja, o
algoritmo preserva o
(2.25)
E essa é a regra verdadera.
Esse é o algoritmo de velocidade de Verlet, (Verlet 1967; Swope, Andersen et al. 1982),
3.1 Introdução
que é temporalmente reversível volume do espaço de fase
e preserva o (Tuckerman,
Berne et al. 1992; Martyna, Tuckerman et al. 1996; Frenkel and Smit A mecânica estatística tem cor
2002).
sistema macroscópico diretames
mente de como ou quandoo sisz:
3.1 Introdução
A mecânica estatística tem como objetivo equilíbrio de um
derivar as propriedades de
esgenadas
generalizadas através dem
Considere um sistema composto por um número, N, muito grande de moléculas, ocu- micitamente do tempo, de modo
pando um volume 2 de modo que O — ce N — co
tal que
dp
ot
=jo =
V= constante
oH .
9H (mando um sistema macroscópicc
di
=
—Di (3.1)
E da à» são igualmente prováveis de ser =
=s
condiçõesmacroscópicasdo sist=mmm
Classicamente, o espaço formado por estas 6N variáveis define o espaço de fase, T, do
Esse postulado implica em
sistema. Cada ponto nesse espaço representa um estado microscópico do sistema, o qual
chamamos de ponto representativo. O lugar geométrico de todos os pontos no espaço
Ir, satisfazendo H(p,q) =
E, define uma superfície de energia E. Quando o estado do p(p,q) =
caminho sobre a
superfície de energia constante. Macroscopicamente podemos carac-
terizar o sistema por seu volume 9, o número de partículas, N, que o compõe, e pelo Ea escolha de p define o ensemibu =
intervalo de
energia, E e E + AE, ao qual está restrito. Um número infinito de estados » ensemble é o mesmo em todo:
microscópicos irá satisfazer este critério. Uma maneira de contornar este problema é um
z ideia de equilíbrio.
pensar não em um único sistema, mas em um conjunto de todas as cópias que satis-
Pmando o sistema evolui no
tempo. ce
façam às restrições macroscópicas. Chamamos a este conjunto um “ensemble”. Ou
&= Desse modo, podemos esperar
está equilíbrio termodinâmico,
zu
de estados representativos contidos no elemento de volume Ng dºNp,acessíveis ao smmemble. O valor mais provável de
sistema, no instante t. Se calcularmos a derivada total de p(p, q; t) como função do mms vezes aparece” no ensemble. +
tempo obtemos
dp <f(p.q
dp pi,
dt cp+E(5E
op; “Ja a. dt ot
mor mais provável e a média em
3,1 Introdução 27
o
a =0, p(p9) =p (H(p,9)). (3.2)
Dessa forma, o ensemble descrito por p(p,q) é o mesmo em todos os instantes de tempo.
priori”.
1 (2,4)
E<H(p,g)<E+4E
p(na)=| o qualquer outro
(3.3)
Quandoo sistema evolui no tempo, ele percorre os pontos do espaço de fase permitidos a
ele. Desse modo, podemos esperar que o cálculo de médias termodinâmicas feitas sobre
Dois tipos de média são mais comumente usados: o valor mais provável e a média no
ensemble. O valor mais provável de uma quantidade f(p, q) é o valor de f(p, q) “que
mais vezes aparece” no ensemble. A média de f(p, q) é definida como
f
"an daN
pf(pa)plpia)
.
<fP>-<f> << 1.
<f>
-
pci
há
edi
média ly E mas
Se esta é satisfeita, não uma maneira única de calcular a do ob- umas
NX. N. moléc
e
N2
mem
i
Wo mrEÊ<E+E<E+Aevam
Entropia a
Para fazer a conexão entre o ensemble micro-canônico, como definido acima, e a ter- at
modinâmica, a quantidade chave é a entropia (Reif 1965; Chandler 1987; Huang 1987).
Seja T(E) o volume do espaço de fase ocupado pelo ensemble micro-canônico
(E) =
/ E<H(p.g)<E+AE
dPNadNp,
3 3
HE) =
[
JE<H(p.g)
(
d Pad Pp, mo
158
DE?
ee
E
em
El.
qualquer
7
Assim,
um
paraum
dos irsrm:
1
então
seja E. A probabilidade dz
sus
(E) =
2 nr
E!) obtendo
S(E,W) =
kalogr(E), (3.7)
We =C+InT- E
=
C+InT. E
sendo kg uma constante universal identificada com a constante de Boltzmann.
- AS al
4 :
4 anã :
de fizemos uso das equações
quas 5./ €
A temperatura é definida através da variação da entropia
oS(E,O) 1 a
partir da equação 3.12 obtemos
38
(3.8)
dE T' |
1 En
As.
pi =—e xp (—
3.1.3 Ensemble Canônico Z kgT
tais que: E < E!+E? < E+A e vamos supor que É? >> É! (E é o valor médio de E). Para
T(E) =
TED) (EO) (3.9)
poderá estar em qualquer um dos inúmeros microestados tal que a energia do sistema
pf = THEE) (3.10)
La Pa(E —
En?)
Lembrar que T> (E? =
E —
ES,
o número de microestados do reservatório decresce. Isto porque um valor grande de Ej
significa menos energia disponível no reservatório térmico.
ES). (3.11)
Veja que € é uma constante e independe de Ej. No caso em que El << E, podemos
expandir InT>(E —
EM) obtendo
InBf? = Cr mra(E) —
Eb? (Zen)
(RÉ
À
2 (3.12)
ED
=
C+InI(E) —
ET
onde fizemos uso das equações 3.7 e 3.8, sendo T a temperatura do reservatório.
(1)
1
Pi Z exp(- (distribuiçãode Boltzmann) (3.13)
KT)
=
evolução dosisizs
pel E,
mio to tempo de
Z=
(3.14) =» calcular valores médios: tomando
mi ia
temporal da evolução do sistem
O ensemble definido pela equação 3.13 é conhecido como ensemble canônico. “== médias são equivalentes se o si:
=»s sistema.
Ng
3N
déN 20 Em geral, calcula-sx
Zn(V,T) =
P, —H(p.g)/kBT (3.15) ecular (DM) e médias no ensemid:
Nth3N
várias
m
Nesse caso, a conexão com a termodinâmica ocorre através da energia livre de Helmholtz:
esse procedimento propri
DM
pos
como
EN
=
mcendas podem ser obtidas em -
'
gaN P fe-H(p.q)/kBT
!
Ng fe ==
=ção computacional, ver, por ex
<f>=
Zw(2,7) aile 1992) Frenkel e Smit Fm
É possível expressar o volume do espaço de fase em outros tipos de ensemble. Por ora
iremos nos restringir somente aos ensembles micro-canônico e canônico nos quais (E,N,
Me(N, T, 9) são as variáveis termodinâmicas relevantes para cada caso. Veremos a
32 Propriedades Terms
seguir como, com esses dois ensembles, podemos obter as propriedades termodinâmicas
do sistema.
Eguimslência entre ensembles: ca
Equilíbrio
apesar de estarmos discutindo o cólcai
Nesta seção discutiremos como grandezas macroscópicas podem ser calculadas a partir emirar
que as médias de qualquer qua
da trajetória do espaço de fase do sistema para um dado estado de equilíbrio. Como umedinâmico (sistema com númesmd
veremos, a condição de equilíbrio é uma condição essencial para o cálculo de grandezas === constante) são equivalentes. ul;
físicas. a
dimensão 6N, consistindo das posições e momenta de todas as partículas. O valor médio ==
vanével conjugada f fixa teremos
sobre uma superfície de energia constante. Assim propriedade macroscópica A função de partiçãe
m
uma Q sendo a
pode ser calculada, desde queo sistema esteja em equilíbrio, a partir da média temporal
de seu valor instantâneo A (T):
t
!
=(4(1) )tempo lim =
A(D(o)) dt, (3.16)
tim
0 F=Eef=B-
3.2 Propriedades Termodinâmicas 31
sendo 7 o tempo de evolução do sistema no espaço de fase. Temos, pois, duas maneiras
de calcular valores médios: tomando uma média sobre um ensemble ou tomando uma
média temporal da evolução do sistema É possível
no espaço defase. mostrar que essas
duas médias são equivalentes se o sistema em questão for ergódico, ou seja, se para um
termodinâmico (sistema com número de partículas e volume infinitos, mas com densi-
dade constante) são equivalentes,
qualquer que seja o ensemble utilizado. Vamos usar
essa equivalência entre ensembles para deduzir a expressão para o cálculo do calor es-
pecífico no ensemble micro-canônico.
BA =
br+BE, ,
(3.18)
“ks
sendoF=Eef=p=
32 Mecânica Estatística e o Cálculo de Propriedades Físicas (Dispriedades Termodinimiw
miendo
A equivalência entre os ensembles vem do comportamento do integrando que para que
Para um número finito de partículas podemos fazer uma expansão em torno de F '=
F=<F> f
Tomando
ay f gbendo
F>-=- 3.22
(3.22) que
<H>s
>?
27
temos
2
oNV Oo<F> OF
< 6p2s-2 lo Tolti 3.23
(6.23)
9P f 2f
sendo
=<ADy
tapardr <ADp.
=<Á
+5375F > <A >f
<6K?>:= Wa
<K?>-
A=B=F=Eef=B- pr (3.27)
cas 3.2 Propriedades Termodinâmicas 33
28 +SE(a,
(6E?)p=< 0E? e
(3.28)
19) »
0=<6Eº>p +S5;
ara sabendo que
nite dE oT dE
—
—
ST —kBT?C, (8.29)
56 *aa/7)or
20)
temos que
<ôEº>p=kpT?C,. (3.30)
2B
B
- (3.31)
.
e sabendo que
22)
<K>p= B— NT Bt
=D
—
(3.32)
.
2 2 B'
23)
O<K>p -
3N
É3.33)
op CP
.24) oB 1
O
(3.34)
E TIC,
podemos calcular
3
<6K
>p=5N(ksT)?. (3.35)
3
2
1 3?
<6 K DE >p= >
3N(kbT)
>
nos
ou
3 Nk
3.26) <6K? >=
5N(kT)?
1 2 CG, | (3.37)
2 2
3 272
3k B
K —
K =—
—Nki1
I-5%,
.
3.27)
34 Mecânica Estatística e o Cálculo de Propriedades Físicas “2 Pespriedades Termodinâmicas
ou sememto, comg=reH=V
G=
9NºkZT?
(3.39)
6NkpT? —-4(<K2> —-<K>?) — —
L/eo.
Fi vo
3
Temperatura
A temperatura pode ser calculada diretamente através do teorema de equipartição de «ssêo que os
FT“representam as im
energia, que relaciona kpT /2 da energia média para cada grau de liberdade. mes e as forças externas.
Pelo teorema de equipartiçãogeneralizado (Huang 1987), temos: à ssliciando o efeito das forças exz=mi
< Pk >= ka”,
<Gk5,
dm
Sa >= kBT,
(3.40)
N 3.2
(>a, =2/(K) =
3NkpT (3.41) g==] restringimos a atenção 20 3
e, portanto,
l Dil
=
No ensemble canônico a energia cinética média do sistema com N partículas é dada por:
Es s=escrevermos o virial interno. Es
N
f(p?/2m) B(p/2mdp 3
(Kn)canônico =
>
energia cinética flutua. Podemos definir uma temperatura instantânea T(t) tal que
3
BERRO
FF
Ky
5NksT(t). (3.44)
=
N
W= l N=1D:-
Assim, a
temperatura média do sistema em equilíbrio será
f
dada por =—5 Er 1E>
1.
T= (Tt) sempo T(t) dt. (3.45) j
=. lim o
um w(r)
,
=
pesto,
Pressão àssim, seguindo o mesmo racioci-
dH
< >= kBT, (3.46) ainda deduzir a expressão po
CTA Fd=-se
icas 3.2 Propriedades Termodinâmicas 35
e, portanto, comg=reH =V
39) 1 l
o
= >
pTot
%
» de sendo que os
Fr representam as forçastotais atuando no sistema: as forças intermole-
culares e as forças externas.
40)
(3.48)
e as
Definindo o virial interno como
las,
ue -u(ga)- (3.49)
42)
or) lp (3.50)
ou
La E; ;»
teremos
43)
N N N N
1 Ss 1 5 Õ
w=55 Enf= 55 i= É t
Ca. i
É
L Ca
(n8cnh) (3.52)
e como
F;;=Fj;
44)
=
fi 407 =
"3
8h Ea
Li ss? FijVr;;d(ri)
Eru
1
ij
=
"3
Ju
Diiw(ri;)
(3.53)
45)
com
w(r)
=
dor) .
PO=NkpT+<W>. (3.54)
F(T,9)a energia livre de Helmholtz. No ensemble canônico = da equivalência entre ensembles Tum
1987
*587), temos que
F(T,O) =
—kpTInZ º
(3.55)
Z=
an Je PBdndr..dindpidpo...dPn
em que Z é a função de partição do sistema.
Tensor Tensão
Assim ]
p=
—Z (5 “01490
(3.56)
,
remos
que ela é dada em termos à» mma
A
fe
.
07; Fi
=
= —
3.58
(3.58)
0 30
dQ 1 moVwror N|I/ON*
|
N/ BYy
(58), fe =9 Holt am.0 3.60
(3.60) pressão hidrostática
o
<<) |
9%, DO "0
0 n a p sen Um E
ET E Do
(3.61)
30 hi
Es (3.66). Levando-a em consider
=r como:
1
1 OVy 2K
(57e)
º
Pranônico pkBT = T
.
(3.62) p=
—
30 30 a .
Cc
que é a expressão do virial. Podemos também definir a pressão instantânea, P.(1) sela expressão tensorial
Í OVy
P()=pkpT-—) f->—. 3.63 =0
mn
Para o ensemble micro-canônico, -
Palt) =
T()-—)
1
F=—
AVy
3.64 y mviv; E
-
|
e da equivalência entre ensembles (Lebowitz, Percus et al. 1967; Allen and Tildesley
1987), temos que
P=(P()) =
(BPmlt)o- (3.65)
Tensor Tensão
Outra grandeza muito importante é a distribuição de tensões que podem surgir, por
remos que ela é dada em termos do tensor pressão, também chamado tensor tensão ou,
—
/3 Fo. Dow Po Px
P=| Dx Py Px l:
(3.66)
Px Po Pa
10 0
P=p| 0 10 (3.67)
0 01
1
(3.68)
p=
3 (Pa +Py+Pa)-
lar como:
2K W 1 vd RR
pia (Emir) 6.69)
1 “s =
com
,
SrixFix rixFiy DrixFiz à desde de jH— o] > o
y AF, =
Lrofix Droliy DLryfa |.
(3.72)
SricFix Dr izFiy ErizFiz ” a
Oq o
Aqui y; F
e são as transpostas de »; € F., respectivamente. Essas grandezas termodi-
nâmicas, K, V T, P são facilmente obtidas ao longo de toda a simulação. Seus valores
=» sistemas homogêneos
instantâneos, médio e flutuações são facilmente computáveis, possibilitando calcular
NL[T+
fe BY") dp... dry
( 3.73 )
p(A) =
distância
fe-BVO-radrdro...drn mmão
7; =7;—?y; a entre as pas
partículas do sistema, 1,
2ô(n
+
(Fi ij) =
—
/ plrjdr=N. 1
nie PV
fe -rNardr,..dim
(3 74)|
fe BVOiINidrdr.. dry
47N?
distribuição de densidade duas partículas que posições 74 72, 8; mA
=
Q
respectivamente, será
a seja,
g(7) =
g(r)
N
play
( ij=l
y 56-66
=). (3.75) Defimndo
n(r) = —
P(A, 72) =
p(f)p(o)elrh, Po). (3.76)
3.3 Propriedades Estruturais 39
Nolimite de IA —
Fo| — co
+ -
g(71,72) =g(f —
Po)
p(F, 72) =
p?g(r —
do).
rar
73)
Ng(Pp
( y se-"9)
iAj=1
(3.77)
sendo 7;; =
7; 7; a distância entre as partículasi e j.
—
de
Para sistemas esfericamente simétricos podemos usar a relação
59(n1 [F;|)ô(cos
, ,
(A —F)
2a a
=
6 — —
cos 65 —
q),
1
> N
74) =
[al y Ato
fasgetrmy iAj=1
=
Bualono -cmelato
49)
44N? 1/2
79,
O oa (E str-nj
itj=1
(3.78)
ou seja, g(7) =
g(r).
Definindo
N
1
teremos
no
( E
ifj=l sm-n). (3.79)
o
s)=a mr) (3.80)
40 Mecânica Estatística e o Cálculo de Propriedades Físicas -*Pespriedades Estruturais
Sendo n(r)Ar o número médio de partículas entre r e 7 + Ar, podemosusar a relação Cams mx
acima para computar g(r), obtendo um histograma com todas as separações de pares de
partículas do sistema.
Loto
4
= CRISTAL
Pevizi
g *s vizinhos al
Ps vizinhos
uimero de Coordenação N(r)
A 1
e
Sómero de coordenação N(R). cm
Bios, até uma distância R, de um
à vibra-
Figura 3.1: Função de distribuição radial típica de um sólido cristalino. Devido
equilíbrio,
=)
ção térmica dos átomos em torno de sua posição de os picos se alargam. por
*3 34 ilustra o comportamento
las são livres se mover e, então, para distâncias maiores do que alguns diâmetros >
para
atômicos, perda
a de ordem é verificada. Em um vidro, que é em geral obtido a partir
do resfriamento rápido de um líquido, sua estrutura é muito similar àquela do estado
LÍQUIDO -
VIDRO
Em
1a
o: primeiros vizinhnos
bem ordenados
gt)
perda da ordem para
x medos que algums
did:
moleculares
33.
mimlino (painéis superiores) e líqu
3.3 Propriedades Estruturais 41
sem vrdenamento
vizinhos, até uma distância R, de um dado átomo do sistema pode ser calculado a partir
de g(r) por
R
A Fig. 3.4 ilustra o comportamento dessas funções para os casos cristalino e líquido ou
vidro.
es
EQ) Nery
gt) Net)
jal-
Além de g(r), o fator de estrutura estático é uma função muito usada na determina-
=
saisação espalhada pelos átomos ú
ção da estrutura de materiais. Experimentalmente, ele é proporcional à intensidade da
S(g) —1
radiação espalhada em experimentos de difração e pode ser obtido a partir dessa gran-
deza. Nos cálculos por DM é usada uma definição alternativa em termos da correlação
== de estrutura estático menos Em
densidade-densidade de partículas (ver, por exemplo, Hansen&M AcDonald(Hansen and
uu Jo dz pares menos um e vice-versa
McDonald 1976).
(>so-m)
7)
=
(3.82) =esesise obter dados sobre a correlaçã
i=1
Pos Nos
= uusirada na posição 7; dado que um
pa =
4 (LNpe 7»)
-.
=P (NHL 1º
“a
ET) (3.85) Sigea 3.5: Representaçãoda posição É
Rd
s(a)-1=p
[ste miar,
é mais
—
sendo p =
(p(7)). A equação acima comumente reescrita como
mquer;=f—Pprk=A-"er
DE=gulo formado essas três par
S(g-1=p
/ le) 1] ET dr + p (2x) 5(9). por
é é identicamente cos(v
A contribuição de 9(%), não importante, pois ela nula, exceto para
3.3 Propriedades Estruturais 43
q =0, ou seja, aradiação não espalhada pelo átomo. A expressão final para a intensidade
da radiação espalhada pelos átomos do sistema pode ser escrita como
S(g)—1 ear
=»
[is()-1] (3.86)
.85) Figura 3.5: Representaçãoda posição de três partículase o ângulo formado por elas. A
Fiji Fik =
cos(Y;ik)
.
Fijlik
cos(Yjik) =
SE SST» (3.87)
[FE] Fil
44 Mecânica Estatística e o Cálculo de Propriedades Físicas 34 Propridades Dinâmicas
três partículas. É importante salientar que as partículas devem ser primeiros vizinhos e a D coeficiente de difusão, assim cor
samever
i
R(0) =
(ei) 0) =
sendo 7;(t) o vetor posição da partícula i no tempo 1, 7;(0) o vetor posição da partícula == n denota a dimensionalidad= À
que
i algum tempo
em de referência e as chaves (...)representam a média sobre todas as N
ssbeciona o coeficiente de difusão Z
partículas.
slzzão podemos chegar à relação cx
To
D=
spo=siderando que
A
tempo
Coeficiente de difusão
las dinâmica das partículas no sistema. Por definição, difusão é o processo em que uma
suaviza na ausência de qualquer agente externo, por exemplo, agitação mecânica. A di-
J=-—DVe, (3.89)
88) o (r2(1))
3
=
2(H(t) Tilt) =2nD, (3.90)
cula
em que n denota a dimensionalidade do sistema. A relação acima (relação de Einstein)
s N
relaciona o coeficiente de difusão D com a largura do perfil de concentração. Dessa
a do quadráticomédio:
cia.
D lim
Ri(e)
= .
(3.91)
t-» Qin
EA
3.92
;
p =
(6.92)
2mN
e considerando que
t
no) -0)=
[ dust),
0
(3.93)
temos
: ,
(mit)—7(0)P)
ido €
/ =
0
dty
/ 0
dito (V(tr)Dto) (3.94)
nZ(lty to) —
=
(V(ty)-V(to)) (3.95)
46 Mecânica Estatística e o Cálculo de Propriedades Físicas *4 Dinâmicas
Propridades
obtém-se
Dsrelação de velocidades
(60)=7(0)P) fon fodZ(In 12) =n
/ [
0
dn
0
dez (0) =
[ | 0
dn
0
diZ(t) (3.97)
EE ve
“=
pois Z(7) depende apenas do tempo decorrido. Desse modo, pros
= oz função é de grande interesse em sum
(Int)-5(0)P) =
2
[ [o diz). dh (3.98)
sia fornece informaçõesexplícitas
sul
iy LX[2mt
fo dez (o) (1-5) Harmônicos
(3.100) 2. Osciladores idez:s nl
=D fbdziD)(1-D,
Nolimite
Dsciladores Harmônicos interzgss:
de tempo infinito,
LÃ
(e
j
Dipmimeiro caso temos que v(1) =
5 f
D diz (1) (3.101)
lim
=
«Dsegundocaso as velocidades de =x um
(3.102)
Z(1) = —
Se lembrarmos que
Fselmente, no terceiro caso Z(t) dese,
então =
kBT
D =
sendo m a massa da partícula que está difundindo. Essa última equação relaciona um Pemndade de estados vibracionais
coeficiente de transporte e uma integral sobre uma função de correlaçãotemporal é uma
smmmações sobre o movimento co
das relações de Green-Kubo.
Duê= de estados vibracionais dere-=mu
VÃO)
HO)
+"
Correlação de velocidades
Como discutido acima, a constante de autodifusão pode ser obtida através da função de
6)
correlaçãode velocidades, Z(t), veja Eq. 3.95.
Como consegiiência das propriedades equilíbrio do sistema, ela é invariante sob es-
de
97) N Sn. N
1) -v(O (0) -vi(O) Vi(t) -
VilO
X, Dica
ep
Z(1) =
Boto
Li=1 V(0)-v(0)
Z(1) = Vi)
Di=1Vi(O)-vilO)
(3.105)
28)
i) ela fornece informações explícitas sobre a dinâmica das partículas no sistema;
99) Podemos ter uma idéia geral do comportamento de Z(t) analisando três casos ideais:
1. Gás ideal
(v(0)?)
104)
uma
através da den-
Informações sobre o movimento coletivo do sistema podem ser obtidas
Bju
Figura 3.7: Autocorrelaçãode velocidades para um gás ideal, um oscilador harmônico Fzora 3.8: Densidade de estados vibrac
e um oscilador harmônico amortecido. — Rarmô
E nico.
T
Essa função podeser obtida através de experimentos de espalhamento, sendo de impor- elétrica, O é
5
& a condutividade c
tância na descrição dos modos de vibração de partículas no sistema. Em um sistema
ESmada por
harmônico, é
proporcional à densidade
puramente ela de modos normais de vibração.
Em sólidos e líquidos, ela geralmente é associada ao espectro vibracional.
Caso C: O comportamento reflete modos inteiramente difusivos, na região de baixas Hegoência (relação de Nernst-Eistein
frequências. OkpT
D(o) =
ca o
G(o)=
| —ca
eitar-5(0) (3.109) goN
mada de Fourier de Z(1) para os três casos anteriores juntamente com o caso do gás real, D.
fik
ou
h
A
| Fog
a
“Bial
e
i
ode J x
f
a
Sp
% F
Ico Figura 3.8: Densidade de estados vibracionais de um gás ideal, um gás real e um oscila-
dor harmônico.
Transporte de Carga
Para sistemas iônicos, podemos calcular sua condutividade através da flutuação da cor-
1 Co/vm T
s(0)=
557 | e
(J0)Ja) ar. (3.110)
definida por
N
Ho) =
VSapij(t), GA
j=l
108)
(ros)
o de
(0) =
omT / 0
eo'z(rdr. (3.112)
Lo "87
109)
D(0) =
q2N
(9) =
m [ 0
eoiz(ndr. (3.113)
vem
A razão de Haven é definida pela razão entre o coeficiente de difusão obtido pela relação
sfor-
de Einstein e aquele oriundo da relação de Nernst-Einstein, ou seja,
D
real, “= (3.114)
Dlo=0)
A razão de Haven foi introduzida por LeClaire (Eyring, Henderson et al. 1970) para
50 Mecânica Estatística e o Cálculo de Propriedades Físicas
Condutividade Térmica
Capítulo4
po
o
cp
=
pr |, dt
(JE(JE(O)), (3.115)
iJifj
DB) ro (3.116)
sendo d£; =:
£;
—
energia devido ao efeito da difusão e a expressão para o fluxo de calor se torna muito
mais complicada. Porém, em um sólido a difusão é muito lenta e o uso da Eq. (3.116)
é aceitável. Essa aproximação pode ser implementada prontamente nas simulações de
médias so- é parte da ciência iraiz
função de correlação de fluxo
ca a que
DM. A pode ser calculada
de calor tomando dz
pos suficientemente longos, de modo que a integral da Eg. (3.115) convirja. Isso pode
s=b=ge com interações de Coulom «
tratamento
requerer um número grande de médias, i.e., a simulação de MD tem que ser executada -35 imeTentes em um comp
>
grandezas físicas. Esses potencizi
aoz Carlo.
1a
Capítulo 4
or
0) Potenciais de Interação.
6)
Paul Dirac
A física é a parte da ciência que trata das forças que ocorrem na natureza e sua inte-
crever a interação de dois ou mais corpos (átomos, íons ou moléculas) sem necessidade
de recorrermos diretamente à equação de Schroedinger com interações de Coulomb en-
cas que podem ser resolvidas usando-se técnicas de dinâmica molecular ou técnicas de
Monte Carlo.
52 Potenciais de Interação.
4,1 Potenciais Descontínuos
A expressão mais geral para a energia de coesão de um cristal formado por N íons com
. , .
pa
dr)
*
contribuições de interações de
. -
E(a) =
|| =
|f—?;| para a separação entre os centros de massa dos áto-
mos ie j. Em geral, essa série converge rapidamente, o que nos permite truncá-la nos
termos de mais baixa ordem. Por exemplo, gases nobres são bem descritos por poten- Figura
ciais contendo somente os dois primeiros termos. No entanto, quando as ligações são
Ip 4.1.2
Abaixo apresentamos e discutimos alguns potenciais empíricos propostos na literatura,
divididos aqui em duas categorias: potenciais descontínuos e potenciais contínuos.
“ma
modificação natural do porra
Chamamos de potenciais descontínuos àqueles que descrevem interações muito loca- = o tamanho da região de atração. Pora
é: moléculas
é, só existe força estruturas mais
eles e
lizadas, isto uma entre dois corpos quando colidem, ou seja, a cori=mi
distância entre eles é menor ou igual a um valor especificado. Os exemplos mais impor-
são: esfera dura, poço de potencial potencial de Sutherland.
tantes
ó(r;)ij)
e o =
&tr) |
O potencial de esfera dura, Fig. 4.1, considera que doisobjetos interagem de forma
singular: se a distância entre eles é maior que um certo parâmetro G, a energia potencial
,
6 representa o diâmetro clássico do átomo. Apesar desse tipo de potencial ser muito
reproduzir com grande precisão sistemas físicos reais. A primeira simulação usando
esse tipo de potencial foi feita por B.J. Alder e T.E. Wainwright (Alder and Wainwright
Figura +=
1959), seguido de vários outros (Percus and Yevick 1958; Alder and Wainwright 1959;
Moita 1960; Alder, Hoover et al. 1963; Alder and Wainwrig.Te 1967; Alder, Gass et al.
1970) .
4.1.3 Potencial de Sutherlami
SnSO
| (4.2)
l
60) modificaçãoimportante
No)
=
Dutra do p
O,rj>6
Serherland (Hirschfelder, Curtiss er x
4.1 Potenciais Descontínuos 53
&n)]
0, Fi; > Ro
de
rma
dr)
ncial
jo de
entre
r que
o Ro
»or
nuito
segue —
ando
vright
Figura 4.2: Poço de potencial.
1959;
et al.
(4.2) Outra modificação importante do potencial de esferas duras é o potencial proposto por
Surherland (Hirschfelder, Curtiss et al. 1965), em que a parte atrativa é descrita por uma
o “mtemriais Contínuos
54 Potenciais de Interação. .
oo
, Fij <o
6 (rij)
/
=
(44
=
/ri, FHj>O
= =» És separação atômica
|]
am
de Lennarê-)
- om
Cuidados extras devem ser tomados ao se usar qualquer tipo de potencial descontínuo
= uma variedade de potenc:
durante a integração das equações de movimento na simulação por dinâmica molecular.
ses 1924). A forma geral dess: cin
Para o caso específico do potencial de esferas duras ver Refs. (Alder and Wainwright ,
,
1959; Alder and Wainwrig.Te 1967; Allen and Tildesley 1987; Rapaport 2004) .
não sere justificadas através de uma teoria e que facilitam o tratamento dos problemas
partículas
(ri) =+
causadas pelas descontinuidades nas derivadas dos potenciais tipo esfera dura. Há uma
de descrever os mais variados sistemas físicos. Nas seções seguintes discutiremos alguns
*2B»o pioneiro de Rahman (Rahmzr
deles. -=20e
O tornam um candidato natos
nhuma expressão para esse termo repulsivo que possa ser obtido de considerações teóri-
cas. Uma possível simplificação para ele é representar essa interação como potência
uma
d(rij) =
À /r;;7 (4.5)
Nesse caso, usualmente n varia entre 9 e 15. Note que apesar dos átomos serem con-
efetivo que depende da energia de interação. Esse potencial tem sido a base para a
ontínuo
Existe uma variedade de potenciais de Lennard-Jones (Lennard-Jones 1924; Lennard-
lecular.
Jones 1924). A forma geral dessa classe de potenciais é uma combinação do potencial
nwright atrativa
repulsivo de Born com uma parte
> n Am
O(rij) = —
(4.6)
|A rm>
S: J
alguns
mos balho pioneiro de Rahman (Rahman 1964). Suasimplicidade, fácil diferenciação e curto
alcance o tornam um candidato natural a “potencialde teste”. Ele é usado para descrever
perfícies, dentre outros. Veja, por exemplo, (Rahman 1964; Verlet 1964; Squire, Holt et
al. 1969; Brown and Clarke 1984; Vogelsang, Hoheisel et al. 1987; Parlinski, Denoyer
etal. 1990; Kadau, Germann et al. 2006). De modo geral, o potencial de Lennard-Jones
cial de esfera
funciona muito bem em modelos onde a simetria considerada é esférica.
sfera “mole”.
|
Lennaed-lones 12-6
ES
«AA
co 05 10 15 2D 25 30
a
Este potencial foi introduzido por Born e Mayer (Born and Mayer 1932) para descrever é= metais com simetria cúbica “cru 1
parâmetros,cuja
[
cristais iônicos. Ele consiste de um termo exponencial com dois forma Weizer 1959). Os parâmetros a.
coesão
.
forma exponencial é sugerida por consideraçõesquânticas, o que o torna bastante apela- D potencial de Buckingham (Bucks
tivo. Esse potencial, juntamente com o potencial de van der Waals, reduz-se ao potencial
e a interação quaizmpau
E polo induzido
de Buckingham modificado, ou "exponencial-6". Várias modificações desse tipo de po-
sepulsãode curto alcance na form: «api
(c) ó(ri;) — oo
quando Hj 0;
Morse propôs a seguinte expressão para o potencial de pares satisfazendo essas condi-
As
ções: C=e
(4.9) D=f
O(rij) =
Dexp[-2o(r;;
—
ro)| —
2Dexp[- ari; —
ro)).
4.2 Potenciais Contínuos 57
204
184
18
Q 051]
Du
LES
44
d(ri)=A4e UP =. (4.10)
Apesar de ser um potencial mais realístico ele tem uma grave deficiência: ele
diverge na
origem quando a separação entre átomos é muito pequena. Uma variação desse potencial
sia de
foi proposta Buckingham-Corner
por (Buckingham 1961):
3
Ae ArulP)
(s 2) +
[-4(£ 1):
—
.exp
-
S q
9 (rij) =
» Nji<Pp (4.11)
KrijlP)
Ae —
(s+28) ij "ij
, r;>p
sendo
condi-
A
f -g+(1+B) (Cc
/ p$)) et
C=capº/(a(1+B)-6-86).
(4.9) D=Bp?c
olo
>
58 «2 Contínuos
Potenciais de Interação. Potenciais
pendentes que devem ser ajustados com dados experimentais. Essa modificação elimina =emcial de interaçãodo tipo Morse. ces
a divergência na origem. Outra modificação importante consiste em desprezar o termo migo a partícula se encontra. A en:
carga entre íons, interação carga-dipolo induzido devida a grande polarizabilidade ele- D==
r;; é a distância entre os átor
trônica dos íons e interaçãodipolo-induzido dipolo induzido (atração de é
van der Waals). z e fc uma função opcional pares
O potencial é expresso como:
Í
felrj=4
E
ZZe
1/2-sinlx/2:7-
Hi; 1 e Wi
Esse potencial tem sido ligeiramente modificado para que não seja necessário aplicar
o miados na literatura (Tersoff 10%%: Ts
o método da soma de Ewald para se tratar termos de longo alcance, como é o caso da
Srmssmação do potencial de
TGf—— exp(—r;;/A)
|
é
(02
muii
d(rij) = —
+
0522)
exp(- ri;/0)— 6, , (4.13)
sé conveniente e satisfatória em
n
ij ij
ligações q
7 mesemais nos quais as
Basimecondutores e isolantes do 1
mina potencial de interação do tipo Morse, com a intensidade da ligação dependente do meio
ermo
em
quea partícula se encontra. A energia potencial total do sistema é descrita por:
muito
N
ande
E=3 ori), (4.14)
icj
sendo
4 (ri;) =
fe(riz) [Aoexp(—Aori;) Bijexp(—Ari),
—
North
sando B;; =
Boexp(—z;;/b)
s uti-
Rino
|
= 0 ep(cdara)
felt
fo, exp-deost)]
este-
7; Lelriz)expl—dor)
cia de
le ele- em que r;; é a distância entre j, Ao, B;;, Ai € À» são todos positivos
os átomos i e com
/aals). 1; > À» e fc é uma função opcional para restringir o alcance do potencial dada por
1 r<R-D
fin) =
1/2-sinjz/2(r-R)/D|/2 R-D<r<R+D. (4.15)
0 r>R+D
(4.12)
Para os caso do Si, Tersoff supõe que À; =2A2 e os outros parâmetros são determinados
o (que através do conhecimento da energia de coesão, constante de rede, módulo volumétrico,
rônica energia de coesão do dímero Siz e estruturas hipotéticas cúbica simples e fcc propostas
por Yin e Cohen (Yin and Cohen 1980). Variações desse potencial de interação são
encontradas na literatura (Tersoff 1988; Tersoff 1988; Tersoff 1988).
aplicar
aso da
1b e da
4.2.8 Potencial de Stillinger-Weber
= dos semicondutores e isolantes do tipo AX» (A=Si ou Ge, X=0,S, Se, Te). Nesse caso
Flip ri) =
Bj O (ro —
ri;) O (ro —
ra), (4.17)
Pl o tao o!
P(Bja) =
(cos(B;x) —
cos(B;u))”, (4.18)
sendo O (ro —
Apesar do potencial de três corpos de Stillinger-Weber ter sido uma grande contribuição,
sendo capaz de descrever efeitos de estiramento e entortamento, ele apresenta algumas 10 -0.5
deficiências. Note que o termo angular é um termo harmônico em cos(8), tornando
extremamente grande qualquer desvio do ângulo de equilíbrio. É difícil, portanto, des-
crever a dissociação de arranjos de átomos. à
geme 4.6: Comparação entre o potencial
Ebbsjô para a parte angular do potenc
Sus
Uma modificação desse potencial foi recentemente proposta por Ebbsjo et al. (Ebbsjo,
Kalia et al. 2000) como
TIO
=
C(cos(6;)-cos(0x) (419)
Ds, Foiles et al. 1993).
0 Fiprk>To
Js=mão Kohn
Hohenberg e 56
entre os potenciais.
Esse tipo de potencial de interação foi usado para descrever com sucesso diferentes ma-
am
Za
teriais, tais como, vidros (Vashishta, Kalia et al. 1990), semicondutores (Costa, Pizani et
al. 2002; Branicio, Kalia et al. 2003; Branicio, Rino et al. 2006), cerâmicas (Vashishta, im que Exom é a
energia coletiva dos áior
Kalia et al. 2007; Vashishta, Kalia et al. 2008), ferroelétricos (Costa, Pizani et al. 2005),
Ro
mícleo,
ero=A-?|.Gpéa
etc. smp conética, energia de correlação € ir
Outro caso em que a interação de pares não é suficiente para uma representação ade- nd» g a eletrônica, suposta
s
densidade
é
quada do potencial interatômico é o caso dos metais. O método, ou potencial de átomo vem cmo de derivadas
suas mais baixas. €
embebido (Embedded Atom) (Daw and Baskes 1983; Daw and Baskes 1984; Foiles, já como a superposição linear É:
corpos porque a
força que atua em um corpo não é simplesmente a soma da interação
de pares, mas depende da densidade eletrônica de todos os átomos do sistema. Esse
E =
x [Le J=1
4.2 Potenciais Contínuos 61
Modificaçeo
de Vashishta,
og!”
—
StillingerWeber /
(4.18)
jek.
uição,
gumas “40 05º 00º 05º 10
mando
cos(6)
o, des-
método foi desenvolvido na década de 80 por Daw, Foiles e Baskes (Daw and Baskes
1983; Daw and Baskes 1984; Foiles, Baskes et al. 1986). Um excelente artigo de revisão
(4.19)
é (Daw, Foiles et al. 1993).
oÀ
tes ma-
E =
-Gipj4
iz;
R
T/ Cam ; [La —
Ri
dr» —
Eaton, (4.20)
|
izani et
shishta, em
que Essom é à energia coletiva dos átomos isolados, Z; e R; as cargas e posições do
2005), i-ésimo núcleo, e r;2 =
|F| —?a|. G[p] é a parte do funcional de energia que engloba a
Stp)=
| s(p(r), Vo(P), Polias (421)
ão ade- onde g é a densidade eletrônica, suposta ser uma função da densidade eletrônica local,
» átomo bem como de suas derivadas mais baixas, e que a densidade eletrônica dos sólidos possa
Foiles, ser descrita como superposição linear das
a densidades atômicas individuais, ps(7) =
do para Di pf (7 —
R;), pode-se mostrar que a energia de coesão dos metais é aproximada por
muitos
iteração
a. Esse
E
=3G;
i ) si Don,
[gera Jfi
ij
2
iz)
(4.22)
62 Potenciais de Interação. 4.3 Outros potenciais
sendo G a energia embutidora, p“a densidade eletrônica esférica de um átomoe f(r; D) 42.11 Reactive Force Fi
é interação eletrostática de pares [ver Daw(Daw, Foiles et al. 1993)]. Define-se
uma
a energia embutidora como a interação do átomo submerso em um gás de elétrons. A Os potenciais de interação discut
princípio função energia embebida
a
pode ser calculada de primeiros princípios, mas trutura, modos vibracionais e mz
na prática ela é calculada semi-empiricamente. Para metais de simetria cúbica veja, No entanto, tais potenciais de irm
por exemplo (Chantasiriwan and Milstein 1998). A parametrização desse potencial para químicos, como formação e que!
os mais variados metais pode encontrada, de simulação etc. Inicialmente méiod
ser
por exemplo, no programa cas, esse
desenvolvido pelo Laboratório SANDIA denominado LAMMEPS. Duin, Dasgupta et al. 2001), mz
termos:
O Modelo Tight-Binding de segundo momento, Second
(Tight-Binding Moment —
TB-
E =
Enigação
+ Esobre +
Eça
SMA) é um outro potencial de muitos corpos quefoi proposto inicialmente por Toma-
nek, Alígia e Balseiro (Tomanek, Aligia et al. 1985) para a
descrição de metais. Essa
é a energia
aproximação considera a característica especial de banda das ligações metálicas: a ener-
em que Erigação dz
1/2
E; =D, |Vexp(-29[(ri;/r9)-1| (4.24)
jà 4.3 Outros potencia
e
ER o potencial de dois corpos repulsivo do tipo de Born-Mayer, dado por:
O estudo de moléculas, tais cor
Ef =D») expl-p(riy/ro) —
existem, em princípio, cinco parâmetros: D,, D», ro, p € q, os quais devem ser determi-
nados através das 4.23-4.25, ajustando-se resultados
egs. os para a energia total obtida
de Augmented-Plane-Wave como função da constante de rede do sistema. Exemplos
dautilização desse tipo de potencial de interaçãopodem ser encontrados em (Cleri and
Rosato 1993; Kallinteris, Papanicolaou et al. 1997; Coura, al.
Legoas et 2004).
4.3 Outros potenciais 63
Os potenciais de interação discutidos até agora são bastante efetivos na descrição da es-
Como feito anteriormente, o ReaxFF tem sua energia descrita pelo somatório de vários
termos:
E =
Eligação
+ Esobre + Lsub + Eval + Epen+ Esors + Econj+ Evaw + Ecoul- (4.26)
em
que EligaçãoÉ à energia de ligação, Esobre € Esub SãO as energias com excesso e
“As ciências não tentam explicar, elas dificilmente tentam interpretar, elas
seguir os
passos já mencionados anteriormente, ou seja: desenvolver o modelo para o
estudo. Tal tarefa só é possível com a utilização da mecânica estatística, como já des-
crito anteriormente. Está, pois, subentendido nesses cálculos a escolha de um ensemble.
Neste capítulo procuramos fornecer ao leitor o básico da DM, bem como a estrutura do
h=()a) e = (MiinVa).
Dinâmica Molecular Prática
66 na 5.2 Condições de Contorno
gramas que desenvolveremos abaixo, 6N variáveis de dupla precisão são definidas para
acomodar os valores de 7 e v.
(N =
102) p será muito pequeno :
Figura 5.1: Representaçãodo sistema a ser estudado. do recipiente que as contem será «
Dado o potencial de interação entre partículas, as equações de movimento para o sis- interesse são as propriedades volu
tema físico podem ser obtidas das equações de Hamilton e integradas usando-se algum do recipiente que contém as partíc
esquema adequado de discretização (veja Cap. 2). Inicialmente, vamos trabalhar com
didas. Neste caso, usamos condiç
um potencial de dois corpos, considerar o sistema como um hi
N-—l N asfacesx=L,y=Lez=L fe
o e
As condições de contorno a serem especificadas irão depender das propriedades físicas Se no instante 1 as coordenadas
em que se está interessado. Em um sistema termodinâmico as condições de contorno referência, para um pequeno incr
são irrelevantes para o resultado final. No entanto, em um sistema finito, como é aquele tará um ponto em uma imagem
tratado em uma simulação computacional, as condições de contorno terão ou poderão ter
enorme influência nos resultados obtidos e devem ser escolhidas com muito cuidado para Isso pode ser feito usando a funç
que tenhamos todo o controle sobre seus efeitos em nossos resultados. Considere, por
X— x;—Sl
exemplo, uma caixa bidimensional contendo somente 9 partículas. Se as partículasestão
uniformemente distribuídas na caixa, observamos que somente uma não se encontra
6 68
0608
MA,
Sob o ponto de vista de programação, necessitamos das CPC em somente dois lugares
dentro do programa. A cada passo de integração das equações de movimento devemos
garantir que as coordenadas de cada partícula estejam dentro da caixa central, isto é,
O<x<L,0<y<L,0<aus<L,
icas Se no instante t as coordenadas da partícula 7;(t) estão no interior da caixa central de
referência, para um pequeno incremento de tempo At, a coordenada 7; (1+ At) represen-
uele tará um ponto imagem vizinha, isto é, —L, < x; < 2L,, -L, <y<2Le
em uma
teí
D
—L; < z; < 2L,. Neste caso a partícula deve ser “puxada” de volta para a caixa central.
para Isso pode ser feito usando a função intrínseca do Fortran SIGN(a,b), ou seja:
por
stão x x—SIGN(L,/2,X;) -
SIGN(Ly/2,x; -
Ly)
ntra
5.3 Convenção de Mi
SIGN(L;/2,2; -
Lo)
pois
L fa Sex >0
>
2)
SIGN(S
=
—F
-
se x<0
Subroutine CPC
include
Lx2=Lx/2.0 dO
Ly2=Ly/2.0d0
Lz2=1Lz/2.0 dO
Do Figura 5.4: Representaçãobidimen
i=1, Np
imagens.
x=r(1,1)
y=r(1,2) Dessa forma, no cálculo das forças :
z=r(1,3)
r(i,1l)= r(i,1) -SIGN(Lx2,x)-SIGN(Lx2,x —
L)
r(i,2)= r(i,2) -SIGN(Ly2,y)-SIGN(Ly2,y —
L)
r(i,3)= r(1,3) -SIGN(Lz2,z)-SIGN(Lz2,z —
L)
end do serão consideradas. Computacional:
return das distâncias entre partículas:
end subroutine
Dessa forma, no cálculo das forças somente as partículas cujas coordenadas satisfazem
<<
3
Z
<u<
<
rota
serão consideradas. Computacionalmente, usamos a mesma função SIGN para o cálculo
das distâncias entre partículas:
yijt
x; O mesmo para y
para e z.
esforço computacional.
CA
Para ca
exemplo Tabela 1: Me
i/k l
seção 4-2.2:
-
Lennard-Jones definido na
1 (1,1)
12 6 —
o o 2 (2,1) 2
(2) (2)|
NDA
6tn)=4
(rj)=4e 52
6.2)
[2] (O
3 (8,1) E
. . os - .
P artícula k é igual em intensida
Vamos considerar o sistema constituído por N partículas contidas em um volume 9. A . 15 o,
- :
4 . em i. A matriz acima é, portan
energia total do sistema é uma constante de movimento.
“m=6,6x103g
“g=1,66x10-!erg ,
i/k 1
Uma vez que tais números são muito pequenos, é muito fácil ocorrerem underfiows -(1,2)
ou overflows flutuante no É conveniente trabalhar com grandezas
deponto programa. (1,3)
normalizadas, r
;, t', P que são adimensionais e definidas como
N-1 -(L,N-1)
7 Lg 9,
o
-
e”
o
Es
VYmo 0)
Dessa forma
Nesse caso, será necessário calc
o-4
(a a) piZo
o
tó
Jo
. .
das componentes da força (ou d
Com essa normalização, as equações de Newton ficam simplesmente
tica 5.4 O Cálculo Interação
do Potencial de e Força -
um exemplo 71
r; = 48
y (ra! =
ra) Pi.
Ki)
O cálculo força é
da a parte do programa de simulação que mais demanda tempo com-
al de
i/k 1 2 3 ..
N1 N
1 (1,1) (1,2) (1,3) ..
(L,N-1) (LN)
2 (2,1) (2,2) (2,3) n
(2,N-1) (2,1)
3 (3,1) (3,2) (3,3) =
(3,N-1) (3,N)
Contudo, usando a terceira lei de Newton, temos quea força que a partícula i faz na
partícula k é igual em intensidade e direção, mas de sentido contrário, à força que k faz
em i. A matriz acima é, portanto, simétrica, ou
seja,
Lita [2 [3 T.7 Ni
TN]
Lo | am Lay | a3 [o | aNa) [am |
flows [2 [| a» | e» | ey [| en | em |
dezas
L3 | an | e) Ley [. | en | em |
NA (L,N-1) QN | 3N- (N-1,N-1) (N-1,N)
Lv [o am | em | em | LAN | QN |
Nesse será necessário calcular
caso, somente uma parte (por exemplo triângulo supe-
o
yvi=r(i,2) r6=r2x12xr2
zi=r(i,3) r61=1.0d0/r6
do k=i+1, Np !loop interno.Soma sobre todas as k Fi(i)=4.0d0xr6ix(r61
xik=xi-r(k,1) DFi(i)=48.0d0=(r6i —
yvik=yi—r(k,2) end do
zik=zi—r(k,3) return
*
aplicando convencao de minima imagem end subroutine
xik=xik —-SIGN (Lx/2, xik)-SIGN(Lx/2 , xik-—Lx)
yik=yik -SIGN (Ly/2, yik)-SIGN(Ly/2, yik-Ly) Aqui Fi é o potencial de inter
F(k,1)=F(k,1) —
Fxik
rik2=xikaxik + yik=5
F(k,2)=F(k,2) —
Fzij k=int(ss)
end do ! fim do loop interno
x2=ss—k
F(i,1)=F(i,1l) + Fxik ! aplicando 3a lei
x1=1.0d0-x2
F(i,2)=F(i,2) + Fyik Fik=x1*DFI(kK) + x2=I
F(i,3)=F(i,3) + Fzij Vpot=xixFI(k) + x2=F
end do ! fim do loop externo
return
A maneira mais utilizada para minimizar o tempo computacional é criar tabelas, tanto 5.5 Deslocamento
para o cálculo da energia potencial como para a força, e, durante a simulação, fazer uso
de tais tabelas ao invés de calcular tais grandezas a cada instante. Este procedimento Muitas vezes é necessário, err
A geração de tabelas para a energia potencial e força pode ser escrita como: eventualmente quando o volu:
Subroutine Tabela
include
numero de divisoes (grade) ate rcut
c npot=
dpot2=rcut *RCUT/npot
do i=l, npot+l
r=SQRT(i*xdpot2)
r2=r*r
r6=r2x12xr2
r61=1.0d0/r6
Fi(i)=4.0d0xr6ix(r6i —1.0d0)
DFi(i)=48.0d0x+(r6i —1.0d0/2.0d0)xr6i/r2
end do
return
end subroutine
pela Eg. 5.2 e DFi é o negativo do gradiente de Fi dividido por r. O objetivo de se criar
a tabela a força dessa maneira é para evitar ter de calcular raízes quadradas das
para
distâncias.
Astabelas são calculadas uma única vez no início do programa. Quando houver neces-
sidade de calcular algum valor de potencial, os valores mais próximos são lidos e uma
interpolaçãolinear é feita para se obter o valor desejado, como mostra o exemplo abaixo.
Fik=x1+DFI(kK) + x2+DFI(k+1)
Vpot=xixFI(k) + x2xFI(k+1)
ento
Muitas vezes é necessário, em um cálculo, truncar o alcance ("range") de interação das
forças atuando no sistema. Isto deve ser feito para reduzir o tempo computacional ou
Em todo caso este corte causará uma descontinuidade significativa na função potencial
III
E
CLEO
TES
TT
ver Fig.5.5.
Potencial descontiniso
tm
Figura 5.6: Modificação intro
potencial.
Este problema pode ser contornado introduzindo-se um raio de corte r.y < Ly/2, (0
mesmo para as direções y e z) e modificando o potencial de interação de forma a que
do; (r)
ro( dit Du
,
(r—
-
Oi; (re)
—
r<re
(1) — (5.4)
Piz 0 r>r
intensidade do mínimo do
Tal modificação causa em geral um pequeno deslocamento na
potencial, mas praticamente nenhuma mudança na sua posição. A figura 5.6 exemplifica
de L-J 2.5.
este procedimento para o potencial em que r.=
Figura 5.7: Célula unitária d:
necessárias 6N condições iniciais, que são as posições (x,y) e velocidades (vx, Vy, vz)
das N partículasque constituem o sistema. Existem várias maneiras possíveis de definir (1/8) x8
envolvido. Um procedimento
as condições iniciais dependendo do tipo de problema
consiste em posicionar as partículas em sítios pré estabelecidos (como em uma rede A densidade de partículas p=
daí evoluir sistema considerando-o ou isolado (ensemble micro- cubo da célula unitária. As «
cristalina) e a partir o
88
6,41)
-18H
potencial.
último caso, podemos, por exemplo, posicionar as partículas em alguma rede cristalina.
Cada sistema tem sua rede cristalina mais estável. No caso do sistema de Lennard-Jones,
a rede cristalina mais estável é a rede cúbica de face centrada (fcc) em que os átomos
ica ã
Figura 5.7: Célula unitária de uma rede fcc. São necessários somente 4 átomos para
descrever o cristal fcc completamente.
face do cubo é compartilhado por dois cubos adjacentes, enquanto um átomo no vértice
são é Assim única célula unitária conterá:
compartilhado por oito cubos adjacentes. uma
Vz)
inir (1/8) x 8(vértices)+(1/2)x 6(faces)=4 átomos.
ento
return
(0,0,0);(0,1/2,1/2):;(1/2,0,1/2):(1/2,1/2,0) end subroutine
Para construir a rede cristalina, estas coordenadas são fornecidas em um comando DATA, Quanto às velocidades iniciais
e as demais posições das outras partículas são obtidas pela repetição (translação)das cé- iniciar a simulação com todas =
lulas unitárias ao longo das três direçõesx, y z. O número total de átomos na simulação uma inicial
temperatura e disir
é dado por tribuiçãoMaxweliana de veloc:
inicial para o sistema. Uma pes
Npartículas NpcuPxMy
=
Az,
REAL FUNCTION GAUSS
e a ae Dk Dk odeole ole je he oe odede odee ae e e e
em que peu É o número de partículas na célula unitária, n.,hy en; o número de repetições ** Randon variate fror
das células nas três direções, respectivamente. ** The distribution
Uma rotina todas coordenadas tendo base rede cristalina =*variance.
para gerar as como uma
pode
ser escrita como
** REFERENCE
** KNUIH D, THE ART O
Subroutine REDE FCC x Xe
(2ND EDITION ADDIS
include
*+* Retorna uma variás
parameter (nx=4,ny=4,nz=4) !nx,ny,nz=no de translacoes OM e he o Je Je e e he De De e e e
return
end subroutine
iniciar a simulação com todas as partículas com velocidades nulas. Uma outra é escolher
*xvariance.
ode
*+ REFERENCE
** KNUIH D, THE ART OF COMPUTER PROGRAMMING,
** (2ND EDITION ADDISON-WESLEY), 1978
++ Retorna uma variável aleatória uniforme entre 0 e 1
ee odeoe ah ae adee de e Je odeole Je ok ahead he De oe ole ole ole oe odehe e e odeole ode oe abel abel ie o odeoe he oe ahe ofe oe odeoe ole he nhofe fe e ole odeo
SUM = 0.0
DO 1 =
1, 12
End do
R =
( SUM —
6.0 ) / 4.0
R2 =R +R
c Distribuicao de Gauss
GAUSS =
((((A9 «x R2 + A7) * R2 + AS) * R2 + A3) + R2 +A1)*R
RETURN
END
78 Dinâmica Molecular Prática
pedaços
na
5.7 Juntando os
*x(unidade) massa.
1. Algoritmo para integração
INTEGER N / Numero de partículas do sistema
PARAMETER ( N =
108) 2. Condições iniciais
VX(I) =
RIEMP * GAUSS ( DUMMY ) |
2. include
VY(I) =
RTEMP » GAUSS ( DUMMY )
VZ(I) = RTEMP * GAUSS ( DUMMY ) 3. call tabela ! gera as tabe
End do
4. call rede ! posiciona as 1
C ++ REMOVE NET MOMENIUM ++
SUMX = 0.0
!
5. callvel inicial define o
SUMY = 0.0
SUMZ = 0.0 6. do it=1, ntemp ! inicia a
DOT =1,N
7. call integra ! integrador
SUMX = SUMX + VX(I)
SUMY = SUMY + VY(I) 8. callcpc! aplica as cond
SUMZ =
SUMZ + VZ(I) .
SUMX
VY(I) =
VY(I) —
SUMY
VZCI) =
VZ(I) —
trajetórias
º
Como saber queas
ática 5.7 Juntando os pedaços 79
2. Condições iniciais
4. Condições de Contorno
1. Program DM
2. include
8. callcpc! aplica as
condiçõesperiódicas de contorno
10. end do
Após termos definido um algoritmo (Velocidade de Verlet, por exemplo) para a integra-
ção das equações de movimento e termos estipulado as condições iniciais para obtenção
das trajetóriasde fase, várias questões devem, ainda, ser respondidas:
º
Como saber que as trajetórias estão sendo obtidas corretamente”?
=
º
Quais grandezas físicas são passíveis de serem analisadas?
º
Quão longa, temporalmente, pode ser a simulação?
º
Como calcular grandezas macroscópicas? Para o Argônio, M =
6,63 >
Vejamos como responder tais questões e obter procedimentos úteis de análise dos fenô- 107!2s. At é tomado como uma fr
menos de interesse.
A escolha correta do passo de 17
a energia total do sistema seja uma constante de movimento durante todo o tempo de são inte
equações de movimento
simulação. A escolha de At pode ser baseada no conhecimento prévio de algum tempo a energia total não será exatame:
dos átomos de um sólido em torno de sua posição de equilíbrio, supondo que todos os
átomos são descrito por osciladores harmônicos com a mesma frequência (Reif 1965),
pode ser calculada através de
1
mgE = —
(V2U
(VU)
35
O passo de integração deverá ser uma fração de oscilação, por exemplo, wg At = 0.1,
tal
o que significa que o movimento de uma partícula i (componente x, por exemplo) x;(1) =
d2F(1)-SUsMmb=D .
R Eo
?2É2OR
m
d?
ou,
5.9 Escolha do passo de integração 81
Para o Argônio, M =
6,63 x 107% kg, R »
3Á, Eo-120 kp, resultando em 72 x
pequeno, fazendo com que o sistema não tenha uma evolução adequada no espaço de
fase, e também não muito grande que venha comprometer a estabilidade integração
da
das equações de movimento. A escolha do passo de tempo de integração deve ser o
maior possível, desde que a
energia total do sistema seja conservada, mesmo após cen-
tenas de milhares de passos de integração. É importante também observar que, como as
Microcanônico
Bertolt Brecht
seja estudar, tendo, por exemplo, a temperatura ou a pressão como constantes de movi-
nico seguem a ideia original de Andersen (Andersen 1980) utilizando novas equações de
movimento, baseadas em Lagrangianas alternativas, gerando constantes de movimento
de Andersen é pro-
compatíveis com os ensembles de interesse. No trabalho original
posto um método para a simulação do ensemble isoentálpico-isobárico.O volume da
tensão interna imposta pelas partículas, mudar sua forma e tamanho. J á para
segundo a
dos mais populares, é capaz de gerar o ensemble canônico de maneira precisa e estável manifestadas como pulsaç
para sistemas complexos. Além deste a dinâmica de Langevin mesmo tendo deficiên- ções periódicas de contom
cias é um método simples de fixar a temperatura e pode ser muito útil. Vários outros escalando as posições das
métodos foram propostos para a simulação em ensembles diferentes desses (Allen and das p; =
not . Sendo :
(PPS, O) =+0
6.1 Pressão constante com o método de Andersen
O momento conjugado dz
Em 1980 Hans C. Andersen (Andersen 1980) sugeriu novas formas de se fazer simula-
ções por dinâmica molecular. Essas formas inovadoras permitiram obter propriedades
em outros ensembles nos quais energia e volume não são fixos (microcanônico). Um
momento conjugado d
dos métodos introduzidos permitia ao sistema flutuar a energia, de modo a manter a
e o
fase durante uma simulação usando este método eram iguais à média no ensemble canô-
A ideia básica de Andersen neste último caso é tratar o volume £) do sistema como
to
Il m
=
14
LL joi
6 (Fi) + +Me PuD (6.1)
BA,
na qual M é uma medida da massa do pistão que permite ao sistema contrair e expandir
isotropicamente e P,,, é a pressão externa aplicada ao sistema (pressão do reservatório).
Os dois primeiros termos da Eq. (6.1) Lagrangiana clássica com o primeiro
formam a
termo fornecendo a energia cinética total e o segundo a energia potencial entre os pares
Para que o sistema simulado corresponda fielmente ao sistema experimental espera-se reescalamento
que não apresente gradientes de velocidade e que responda instantaneamente e unifor-
memente a qualquer diferença entre a pressão externa e a interna. Cada uma das par-
tículas deve responder ao mesmo tempo, de modo que as flutuações de volume sejam
a
manifestadas como pulsaçõesdo sistema. Além disso, em geral, deseja-se utilizar condi-
ções periódicas de contomo. Andersen
conseguiu impor comportamento aosistema esse
1
Pi LE o( (OP pi)
.
£(pND" ,9,9) =
528Empr +
MO Por. (6.2)
i==1 j>i
=
dE
mi
=D
-mO!a.
Mi Pi 6.3
(6.3)
E
d£ .
= — =
MO. 6.4
(6.4)
36
1 Iê
H
(p",x,9,11) =
mon a+
i<j=1
> 0 (pj) +
7
*PaD. (65)
dp; 9H Z;
(6.6)
di Om mo
di 0H “2 af Pij 134.
ao “do +t1?(o pi) , (6.7)
do 0oH HW
a on M (6.8)
ai 9H 1 [-25h,m +18
(91 sl)
.
“dr
=
“20
=
=0/88, (6.10)
.
1 .
7; =
0124, + 52" Op;. (6.12)
j
4 o
p=
m
+ 0805,
3
(6.13)
mostrando que, neste método, o momento das partículas não é dado diretamente em
termos da velocidade.
Lp; d 2 dmQ
=
5 Lmolá? (22p;)50 o
x
(6.14)
!
dd
Ds rolo
541)
O)
[fasaem Loro (o (o,
)
=
(6.15)
=; od
.
oa
(S) e o número de partículas (N) durante toda a simulação. A caixa de simulação com
das partículas devem ser de:
es
Com estes vetores podemos construir uma matriz, que chamaremos de h e assim obter
6.2 Tensão constante com o método de Parrinello-Rahman 87
oo om
Pd Va
A) .
f
aa
?
| 7
f
f É
f
onto
raio
AE f
/
f
f
PA p
fo j ff
o
ay by Cy
h= (à,5,0) =
dy b; Cy (6.16)
a b; cz
EA —
Q=|h/=ã-(bx0).
h (6.17)
ão
Novamente para que seja possível utilizar condições periódicas de contorno, as posição
++
om
das partículas devem ser definida em termos de h por
rês
o
ax by; Cx Ei
A-hã-|l o bo ni (6.18)
ter a b, c; Gi
88 Simulando Fora do Ensemble Microcanônico 6.2 Tensão constante com o:
sendoO<é,m, G<li=1,2,.,N
O quadrado da distância entre partículas será dado por
+45 2 07%
Vi=h Si vi=Ss, GS. (6.22)
teremos
6.2.1 Aplicação ao caso de pressão hidrostática
equação representam a Lagrangiana clássica, com o primeiro termo fornecendo a ener- Nolimite, quando a tensão
equação diz respeito a energia cinética associada à variação de volume, ao passo que o
quarto e último termo reflete a energia potencial associada ao volume em questão. Esta
Ad
;
(ri;
Mi SIS.
Si=— (gs) 6 G5i, (6.24)
sã Minis
5 - TNT
o=(bxcoxaaxb)=0
(h) (6.26)
n=
EmisTXPCs, -
pO=NkgT+W, (6.28)
2K
2) (6.29)
sk;
t eremos
2K W
o. |
6 5)
P*30"0
xa sendo K a energia cinética e W o virial.
remos que ela é dada em termos do tensor pressão, também chamado tensor tensão ou
Px Px Paz
o
cu-
P=| by Py Px |:
(6.31)
ica
Px Poy Pa
da
jer- Nolimite, quando a tensão é isotrópica e não existe viscosidade
da
e o 10 0
<>
l 1
Pe). (6.33)
24) p=
5 (Pat Py+
Portanto, no caso geral, quando temos viscosidade ou tensões presentes ou quando con-
25) sideramos a deformação de um corpo rígido, como é o caso da caixa de simulação,
dttisaD
da
rm
º
Microcanônico 6.2 Tensão constante com
90 Simulando Fora do Ensemble TOC
de referência da caixa d= sm
àc05
partículadevido a umz
7a
Pex
2º
Descrevendo o estado
rígido.
escrevi
com isto podemos
p= oo (mitopdf) (6.34)
Lifshi*t*s et al. 1986) com
Na nossa notação
com
(6.36)
+ +
mv; =|
EimVpd Domo DimiViyViz Com aexpressãodo tenso
Cima Dimdidy DimViVi são para a energia potenci
DimifixFix FixFy
DXimi Dim Pix Fiz
a 1a
“ET a
f
Sami FiaFix Dim FizFi Limi FizFiz Eq.(6.43) e a propriedade
inicial da Lagrangiana.
6.2 Tensão constante com o método de Parrinello-Rahman 91
IS
Para o caso de tensão externo não isotrópico, as equações de movimento não valem
mais, devendo ser considerada uma nova expressão para a energia potencial elástica
associada à caixa de simulação. Com o intuito de fazer isto, devemos definir um estado
d=Ff—To. (6.38)
++
a
7o=hos, (6.39)
po tr eram
f=hs=hho Fo, (6.40)
5)
Eau 3
(er Ee) (6.42)
1/8To ger
E=5 (ho) Gho
a). (6.43)
36)
Com a expressão do tensor de deformação em mãos, podemos agora redefinir a expres-
são para a energia potencial elástica
Va p(Q— O9) +
Ootr(S p) E, (6.44)
—
=
37)
sendo S a tensão externa aplicada. Esta expressão pode ser simplificada, considerando a
ma
Va —
(O
—
Oo) + Dir
es—1
(Cho) -)]
(8-0) 45T
Gho ,
( 6.45 )
APM
“OQ
=
( o)+trlho
O
(S-pJho)”
s- G|—Pir(S—p),
s-
92 Simulando Fora do Ensemble Microcanônico 6.3 Temperatura constante
Cálculo fim
desconsiderando os termos constantes p9 e
Sotr(S —
p) teremos em temperatura
Va
=pR+5tr [ho (S-p)(ho) 20] G. (6.46) constantes elásticas são cale
Com isto para o caso de tensão geral, a Lagrangiana ganha um novo termo: e rapidamente convergente «
S( Gabo
ET
o
m -
prol
E=ho(S-p)(h) Do. (6.48)
h=(n—-p)— 6.49
(6.49) tensão diferente de
CD Para
——
zer
Mm
and Rahman 1980; Parrimel
Utilizando esta equação e a Eq.(6.24), a simulação gerará o ensemble isoentálpico-
tantes elásticas toma a form
isostress (HSN), permitindo que as transformações estruturais aconteçam livremente.
Além disto, é possível aplicar tensões uniaxiais (tanto compressão quanto tração) sobre ho
patogbhore
Qohg to.
As constantes elásticas podem também ser calculadas estaticamente através da expansão é dado
proposto por
da energia potencial com as deformações da caixa de simulação, ou ainda, para um
Veja por exemplo (Ray, Moody et al. 1985; Landau, Lifshi*t*s et al. 1986; Ray 1988).
6.3 Temperatura constante usando Nosé-Hoover-Chain
IS 93
o 2NkBT l
Ô(GapOc4)
(DF
R
Cabed = ——>
+ (dadObe+ Oacôba)
+
KT q (ri) Xipaxijpkijexija
ij
(6.50)
sendo 92 0 volume da caixa simulação, ô (G,p0.4) (GabOca) (Cab)(Gra) €
de = —
Xi ja O
oa»hop.hoiCubea
Qohgpa = —
no. N 2
p?
+ d(m)+
O +(3N-2)kpTIns, (6.52)
odo
O
Co
O algoritmo de Nosé
sendo Q um parâmetro de inércia térmica, equivalente a massa do pistão no método
de PR, é um grau de liberdade extra que pode ser interpretado como o fator temporal
bem. Um
pre funciona
cxc
do termostato. Na Eq. (6.52) os dois primeiros termos representam a energia cinética
e potencial do sistema ao
passo que os dois últimos a energia cinética e
potencial do oscilações periódicas na =
termostato. As variáveis Q e s descrevem o reservatório de calor com o qual o sistema equações de movimento pre
parâmetro Q muito grande faz com que o fluxo de energia entre reservatório e sistema
seja lento e a termalização do sistema com o reservatório seja longa. Por outro lado se
p So
O é muito pequeno flutuaçõesrápidas de temperatura se desenvolvem no sistema e são Õ
lentamente atenuadas resultando também em uma termalização inadequada.
sendo É, pg e Q a posição
Hoover(Hoover 1985; Hoover 1989) desenvolveu uma representação alternativa da pro- da cadeia e N o número É
posta por Nosé em que as equações de movimento se tornam independentes da variável utilizando o algoritmo we)
=
. (6.54) .
P=Í-SD
“— mrZ
e 3
É -
—kpT (6.55)
i=l (E 2m,
(1)
+ L5 42 o;
+ NksTm +
TD i=2
ma (6.56)
no mesmo tempo
l
k
sendo M o número de termostatos acoplados e
n; e Q; respectivamente a massa e mo- VE
co (Ar) =
——
mento do i"ésimo termostato. pp
6.3 Temperatura constante usando Nosé-Hoover-Chain 95
do
O algoritmo de Nosé-Hoover-Chain pode ser utilizado para controlar com precisão a
original de Nosé é que ele fornece a correta distribuição canônica de posições e mo-
mentos para sistemas muito pequenos ou muito rígidos (Martyna, Klein et al. 1992;
Tuckerman, Berne et al. 1992). As equações que regem a evolução dos termostatos são
dadas por:
Ê Nha] o
N 2
z
De, Db; DE
é
.
2 (6.57)
= = —
dg 7 P&
i Pi
i=1
2 2
) SE
Pe, Dé Ps
E pT|-pr-É,
| [El
e,
kpT 6.58
(6.58)
=D
Pê; Pê; Pêu
=
Ê
são O ju Qua
sendo É, pg e Q a posição, o momento e a massa dos termostatos, M o comprimento
TO- da cadeia e N o número de partículas. A discretização das equações de movimento,
À
2
54)
Ar
É(0) + VE(OJAr+ Gs (0)
.
E (Ar) =
(6.60)
55)
vi(41) =
vi(0) +
e wo) 0)> +
E —
(Ars
(an)
S (6.61)
nble
|
un q
At
velar) =
[+ (Sta) |
UA
pu+| Em
—
vi(O
MODA +
Has 71)
(06.64
ND
E
To
TT
DD
DV
6.4 constant
Simulando Fora do Ensemble Microcanônico Temperatura
96
característico da dinâmica de
A
da dinâmica e determina a 12
definida.
mi =
f+Ri-myh. (6.67)
padrão é
o meio. A força aleatória Gaussiana tem média nula,
(Ri(1) = Q e seu desvio
dado por
At At
v' =
(1 5) —
T
v+—>vr
T
(6.68)
cas vin é que ele efetivamente impõe um termostato para cada partícula individualmente,
permitindo, por exemplo, a equalização rápida da energia cinética em um sistema com
gradientes de temperatura.
tura
mo
ndo
nto,
| do
ada
tura
assa
67)
m o
rmo
om
ão É
68)
dis-
mpo
Capítulo 7
"A teoria das probabilidades nada mais é do que o senso comum reduzido
em cálculos"
Laplace (1819)
O método de Monte Carlo apareceu pela primeira vez no artigo "The Monte Carlo
feitos analiticamente, por isso várias técnicas numéricas foram desenvolvidas para se-
método
7.1 Integrais multidimensionais de Monte Carlc
estimar a integral. Obser
aleatórias de pontos no intervalo [x, y] com x £ [a, bJey € [F(a), f(b)]. O valor
amostras
N
b—
<f0)>as *
a AC)
Fur
(7.3)
dimensão escolhida
uma função, para diversos valores de n, a
+eo n/ 2
(2 2
em dnd...dip= (7.4)
IM =
/ T
como sendo +/- 10. As quatro tabelas mostram os cálculos feitos para n =
1,2,3 e 4.
cálculo método
A coluna marcada L fornece o número de partiçõesusadas no usando o
método de Monte Carlo, a coluna marcada M fornece o número de pontos usados para
estimar a integral. Observamos que para todas as dimensões, n, a partição com L =
32,
fornece uma estimativa da quadratura com 5
algarismos significativos. A estimativa
usando Monte Carlo mostra que usando 10º pontos sempre fornece uma estimativa com
que mede o tempo (em segundos) gasto em cada computação, observamos que no cál-
Monte Carlo ele permanece praticamente constante. Fica claro que, à medida que o nú-
DS
resultado
2)
re
resultado
on
2.8040
los
denaadã
3.1369
do
O
ral
oo
102 Monte Carlo em Física Estatística Clássica 7.4 Amostragem seletiva e É
configurações selecionadas
no
a ido forma.
Tempo (s) resultado
0.003
E
16.000
uma distribuição de probabah
eo
valor médio de f (x)
0.021
<f
- Monte Carlo
M Tempo(s) resultado Se nós amostramos a função
resultado
então o valor esperado de f
ESTÃO isto é
625.0 10º 0.003 0.0000
sell ec cell .
JD e 0025 96000
ucs É
co.
o
exponencial, e H(ix))/Tks da
Has).
é técnica numérica usada mecânica Como ilustração,
simulação de mais considere
Carlo em
A Monte a importante u
que as propriedades termodinâmicas são obtidas de integrais de grandezas especificas C= 1,0 K/m? umaconstante.
no espaço de fase, o cálculo das mesmas é efetuado como descrito na seção anterior para alguns valores de temper
usando mais eficiente do espaço de fase. A forma de fazer a o termo no intervalo [0, 0,4] e
mas, uma amostragem
é conhecida como amostragem seletiva (importance sampling) que consiste Caso os números aleatórios ss
amostragem
a
103
7.4 Amostragem seletiva e balanço detalhado
forma as médias estatísticas são obtidas fazendo uma média aritmética sobre as
que
A idéia é muito pode descrita da seguinte
configurações selecionadas. simples e ser
forma.
é
Vamos supor que a função F(x) possa ser escrita como (x) p(x) f (x), onde p(x)
F =
vm)=
[ regp6o,
Ja
1=
[6
Ja
(1.5)
Como discutido anteriormente a integral pode ser aproximada por uma soma
É
b—-a)
<Ff(%) > E N 1 i=l
flmp(a) (7.6)
isto é
m
< f (x) >lab) =
Me
=| i=1 fl)
(7.7)
Este resultado pode ser facilmente generalizado para mais dimensões. As próximas
serão à discussão de como aplicar de forma eficiente estas ideias ao
seções dedicadas
cálculo de quantidades termodinâmicas.
isto é, a probabili-
exponencial, e (ixh/Tks, da configuração (x) de energia H((x)),
dade de que o sistema, em equilíbrio à temperatura 7, esteja em um estado com energia
H()).
partícula em uma
única dimensão de comprimento 1
Como ilustração, considere uma
cm. Suponha que a partícula esteja sujeita a um potencial V (x) =Cka(x— 0,5 Z, sendo
C= 1,0 K/m? uma constante. A Fig. 7.1 mostra o fator de Boltzmann exp(—V(x)/kBT)
0,001 K. Para a temperatura mais baixa,
para alguns valores de temperatura, 0,1, 0,01 e
desperdiçando80% do tempo computacional. Para um sistema com 100 partículas ainda número de passos de MC
em uma dimensão e sujeitas ao mesmo potencial, somente 0,210 =
1,27x1077ºdo cular. Assim, quando nos
total dos números aleatórios irão efetivamente contribuir para o valor da integral. Um número de passos (ou dz
algoritmo de MC eficiente deve gerar números aleatórios preferencialmente próximos
Médias em mecânica esta!
do mínimo, x =
0,5, do potencial. Neste exemplo fica claro que o sucesso do método de
(Íx))
12
onde peg representa
equação Master é zero
io
os & 0=Pwit:
“Ea (x)
E
08
&
x Esta equação pode ter di
04
vd
ooo
condição de balanço dera
22
0=w((x
t my t r s8
09 02 04 0.6 08 19 —
Figura 7.1: Energia potencial e fator de Boltzmann para uma única partícula em uma
caixa unidimensional.
com 8 =1/Tkp. Além É
tema esteja em um estado cuja configuração pode ser escrita como (x7. Nós podemos Existem várias possibilic
construir detransição w([x+ — (x')) tal que não importa a configuração inicial es-
satisfaçam a condição d:
taxas
colhida, a configuração final do sistema após a aplicação de w um número suficiente de conhecido algoritmo de !
vezes nos leva ao estado que procuramos. Para mostrar como isto funciona começamos
com a equação Master
pls +) p(B =
E w(bi) EM) p(bého-
>
(7.8)
Nesta equação escreverr
vb LDP(b1)
escolha é muito simples |
Esta equação diz que a probabilidade de encontrar o sistema em uma dada configuração 1. Escolha uma confgur:
fx) aumenta devido a transições de diferentes estados (x') para (x) e diminui quando
2. Escolha uma nova cor
as transições são em sentido inverso. Um pouco de cuidado deve ser tomado quando
interpretamos t na equação Master, ele é simplesmente uma índice marcando o AE H
o tempo 3. Calcule =
((x
pat
número de passos de MC e não o tempo físico, como nas equações de dinâmica mole-
pb (xy st) =
Peq (Lx) , (7.9)
onde pe (Lx) representa uma distribuição de equilíbrio. Neste caso o lado esquerdo da
0 = = ao (78) =
w
(Do > bo) púbo, O). (7.10)
Ertbd
x!)
Esta equação pode ter diversas soluções. Por razões práticas, é costume impor-se a
0=w((xy> EP)plo) —w
(fx) = E) plo). (7.11)
—HUx)/Tka
Como p((x)) =Z"le obtemos
com 8 =1/Tkp. Além desta condição devemos exigir que o sistema seja ergótico. Esta
condição significa que é possível transitar de um estado inicial (xo+ para um estado final
w
(Lob > Lab) way >
foDw(lny >
(xy) £0. (7.13)
Existem várias
possibilidades para a escolha das taxas de transição, bastando que elas
Este algoritmo pode ser entendido de uma forma simples. Começamos com uma con-
figuração (x) e a partir dela escolhemos uma nova configuração (x). Calculamos as
“fx
energias correspondendo a cada uma delas H((x)) e H ([x')). Comparamos as energias,
se a energia do novo estado é menor, a aceitamos como mais próxima da configuração
procurada. Se este processo for continuado, após um tempo suficientemente grandeter-
e sendo d o número de dx
minamos com uma configuração no estado fundamental (7 =
0). No entanto, o que
da média da energia p
procuramos é a configuração mais provável a uma temperatura T. Para isto devemos
Permitimos então que o sistema flutue com esta probabilidade. Esta segunda parte do entanto, como um primeiro
é número aleatório O < 1 tV) usando nosso algoritm
algoritmo implementada sorteando-se um r < e o comparando
obtemos imediatamente
com a probabilidade e $2E, Ser < e-B2E aceitamos a nova configuração mesmo que
H ((xW> H((x)), caso contrário a rejeitamos. Isto pode ser visto introdução
como a
da entropia no sistema. Uma vez que o sistema está em equilíbrio, podemos iniciar o
processo do cálculo das médias. A partir deste momento qualquer configuração gerada
pelo processo acima será uma configuração de equilíbrio à temperatura T. Para obter- em que (V (x)),, represem
esperado de uma quantidade f(x) será simplesmente a média aritmética O próximo passo é fazer um
<f(W)>=
EMC ). (7.15) reiniciamos
paramos r com
o processo,
p= e
É"
cas
Muito cuidado deve ser dedicado ao uso de configurações correlacionadas. Veja, por xy € reiniciamos o
V—
x pi
Pim
+ DiV (xi) podem ser positivos ou ng
Z-
fe hM, (7.16) o incremento como ôx =
sendo
fo Pi su +Evm), Pebdp a
om B
fe Bmap
2
PEV ei dx
gd
-B
|
EihZm + EV (xi)
lay JL;V(x;)e
j J
=
[Eres
o
MM)
.
o
fe BEVOddx
5 . No
obtemos imediatamente
BY M
[Ve dx “a (7.17)
(V)
MD 6)
o
“feNoa
=
r com =
e BlW2- Vi) ser < p trocamos x, por x2 caso contrário mantemos
paramos p
podem ser positivos ou negativos. Para que ôx possa ter ambos os sinais, redefinimos
2r)xmax.Nosso um
razoável que nos permita dizer que a sequencia convergiu para seu valor de equilíbrio.
is A melhor forma de fazer isto é escolher uma quantidade, digamos a energia do sistema,
calcular seu valor médio para longas sequencias (x, e compará-las. Como o
processo
de Monte Carlo é um processo estocástico, um bom critério de convergênciaé quando
108 Monte Carlo em Física Estatística Clássica 7.4 Amostragem seletiva e
As
as flutuações da energia forem da ordem de 1/ VM, para M suficientemente longo.
abaixo descritos acima.
Figs. 7.2-7.4 mostram os processos
ho
(V)
upo
Po
f En
DS
En f va
iseed=73241
i=0
a ri Oo SG icont=0
Passos de Monie Caro
x
max=Dsgrt(T/(mass
x0=0.0DO
da sistema mola correspondente à
Figura 7.3: Amostra energia potencial para o massa
VO =
V(x0)
figura anterior.
Open(l, file=' conver
Write (1,'(16,1x,fIC
A mostramos de um FORTRAN para obter x V(x) seguindo Do i=2, N amostras
seguir uma parte programa
o critério descrito. O segmento de programa não está otimizado e tem apenas intuito r =
dble(rnd(iseed
xi x0 (1.0D0
pedagógico.
+ —
Vi V(xi)
oscilador If (Vi .le. VO)Then
Program mc
VO = Vi
Realx8 massa,nerg,V,r,T
Real*8 x max,x0,xi,VO, Vi x0 =
xi
7.4 Amostragem seletiva e balanço detalhado 109
1 T
f t
F
f
1
T
É
%
ê
$ —
0.8 X
-
o
pç f =
L
“a Ê
E 06H $ =
E
=
=
.
do
aE
04
pr
1
F
A -
dm
A
aa
Ro =
é A
*
A OD A O E
6
õ 0 i 15 2 Es
Temperatura (T)
mentam à medida que a temperatura aumenta por causa das flutuaçõestérmicas. A linha
icont=0
x max=Dsgrt(T/(massasomega+*+2))
x0=0.0DO
VO =
V(x0)
Open(1l, file='convergencia. dat”)
Write(1,'(16,1x,f10.6,1x,f10.6)")I,x0,VO
Do i=2, N amostras
r =
dble(rnd(iseed))
xi = x0 + (1.0D0 —
2.0D0xr)xx max
Vi =
V(xi)
If (Vi .le. VO)Then
vo = Vi
x0 = xi
110 Monte Carlo em Física Estatística Clássica 7.5 Modelo de Heisenher:
icont =
icont+1 dores. Uma forma mais m
r =
dble(rnd(iseed))
Delt V = Vi —
VO
p =
Dexp(-Delt V/T)
Ao invés de trabalhar com
If(r .le. p)Then
VO = Vi
com a distribuiçãomicro-c
x0 = xi
Write(1,º(16,1x,f10.6,1x,f10.6)')I,x0,VO
Else
sendo p (E) a densidades d
Endif
necker. Em um sistema com
Endif
end do
Close
End
! qe em
Function V(x)
p
un
Realx8 massa ,omega,V,x do
Data massa /1.0D0/, nerg /1.0DO/
V
Return
=
0.5D0:«massaxnergx*2xx+*+2 N
End
1 ———
Uma vez que a sequencia tenha convergido, nosso próximo problemaé calcular a média
termodinâmica (V). Para fazer isto todos valores aceitos dex Figura 7.5: Histograma par
armazenamos os e
V(x) a
do ponto onde o sistema Os valores médios serão média
energia. O histograma foi o
partir convergiu. simplesmente a
dE 0,01.
=
valores da temperatura podem ser feitas de modo que podemos obter o comportamento
de V (ou qualquer outra quantidade de interesse) como uma função de 7. O conhecido modelo de He
rede. Suponha que em cad
Histogramas
mento angular $ =
1/2. A
dores. Uma forma mais interessante de se olhar para o problemado cálculo das médias
temperatura T (ou 8 =
1/T) geramos configuraçõessegundo a distribuição canônica
BHQux)
=
p(t)) —
Ze
pHEy=2"p (Ee E,
€ dE,H((x)) O delta de Kro-
sendo p (E) a densidade de estados p (E) =
Dix, dE,H((x))
necker. Em um sistema contínuo as somas são substituídas por integrais.
t
t
estados
E
de f
i
Numero 5
À
Og 7 4
Energia
Para dar continuidade ao nosso programa vamos discutir um problema mais sofisticado
rede. Suponha que em cada sítio de uma rede d-dimensional existe um spin com mo-
A dinâmica é completamentedeterminada
mento angular $ =
1/2. do modelo pelas
matrizes de Pauli. O Hamiltoniano que descreve o modelo de Heisenberg é escrito como
IT
E
EEE
EG
ET
SS; , (7.18)
onde (i, j) representa uma soma sobre vizinhos próximos, N é o número de sítios da
rede e J é uma constante de acoplamento (Exchange constant) que determina a escala de
direção preferencial. €
magnético na direção -
preferencialmente na dir
desalinhado. Sabe-se q
Algoritmo
Por pedagógicc
motivos
Definição do Problema
2. Tabela : Vetoriza
Como exemplo, vamos trabalhar o modelo de Heisenberg anisotrópico bi-dimensional.
definido 3. Config O: Criac
Este modelo pode ser pela seguinte hamiltoniana.
Ha =
JJ
(ij)
(Si $j+ ASS). (7.19) 4. Boltz : Faz o pros
5. xrand: Gerador c
O símbolo (i, j) significa vizinhos próximos. Os spins são definidos nos sítios de uma
ferromagnético e os spins se alinham no mesmos sentido, se J < O o modelo é anti- varáveis de dupla preci
ferromagnético e os spins tenderão a se alinhar em sentidos opostos. Observe que não precisão simples, por £
2»
HD
tw
magnético direção na
temperatura z. A baixa pode-se esperar que o sistema se alinhe
gunda ordem, cujo parâmetrode ordem é a magnetização na direção z, m,. Para estudar
este modelo vamos usar simulação de Monte Carlo.
Algoritmo
Por motivos pedagógicos o algoritmo de Monte Carlo usado nesta simulação é o mais
simples possível. Algoritmos mais sofisticados podem ser encontrados nas referências
(Privman 1990), (Landau and Binder 2009). Neste programa usamos somente o método
conhecido como Metropolis. O programa é composto por 5 sub-rotinas
ca
er
não precisão simples, por esta razão, toda vez que for usada dentro do programa deve ser
posições das variáveis de spin. Ao invés de usarmos índices duplos, triplos (2 dimensões
ou 3 dimensões) por exemplo, usamos um único índice. A transformação é feita dentro
da sub-rotina. Além disso, criamos 4 vetores com os índices dos vizinhos de cada sítio,
o que evita recalcularmos a
posição destes vizinhos a cada instante. É claro que este
procedimento ocupa mais memória, mas este é o compromisso para ter-se um programa
mais rápido. Cada compilador tem opções de otimização. No deste Figura 7:8: Rede quadrads
suas caso particular
a condição
periódica d= co
programa, usamos a opção -04. A tabela 1 abaixo mostra como fica uma tabela de
vizinhos para uma rede bidimensional de lados L x L com L = 4 e condições de contorno
periódicas. A tabela corresponde a Fig. 7.8. A sub-rotina boltz é o cora
2 3 Í 6 14 Também,
equilibrar. dentt
3 4 2 7 15
de interesse: Magnetizaçõe
4 1 3 8 16
rotina, mesmo correndo o
5 6 8 9 1
economizar tempo de com
6 7 5 10 2
7 8 6 1 3 Finalmente temos a sub-ros
8 5 7 12) 4
usa dois algoritmos congrz
9 10 12/13 5
sua sequência, mantendo as
10 1119 14 6
11 12/10/1517 Programa principal
12 9 11/16 8
13 14 16 1 9 PROGRAM Heisen 2D
14 15/13/2110
IMPLICIT DOUBLE PREC
15 16/14 3 11
PARAMETER (L=4,L 2 =
16 13/15 4 12
COMMON/ spins/ Sx(LL
COMMON/ vizinhos /ipill
Tabela 7.1: Vizinhos de cada sítio de uma rede quadrada bidimensional.
COMMON/ constantes /pi
COMMON/ externl param
A sub-rotina Config O cria configuração inicial a ser
a usada no processo de Monte
COMMON/ nergyn. param:
Carlo. Neste exemplo a configuraçãoé criada aleatória, mas existem situações em que CHARACTER =40 arg con
as configuraçõesiniciais necessitam ser criadas de forma especial para agilizar a con- !
Comentários
vergência. Mudanças nesta sub-rotina podem ser feitas de forma trívial.
7.5 Modelo de Heisenberg Clássico 115
14 45 416
Ps o a o o
DS,
es
TO
10,
ste
na
Figura 7.8: Rede quadrada 4x4. Assetas indicam alguns vizinhos da sequencia devido
ste
a condição periódica de contorno.
no
Carlo. São feito nequilibrio + n amostras MC. steps, passos de Monte Carlo. Ao cal-
Finalmente temos a sub-rotina xrand que é um bom gerador de números aleatórios. Ela
Programa principal
PROGRAM Heisen 2D
IMPLICIT DOUBLE PRECISION (a-h,o-z)
PARAMETER (L=4,L 2 =
L/2,LL=L+L,LL 2=11/2)
COMMON/ spins/ Sx(LL),Sy(LL),Sz(LL)
COMMON/ vizinhos /ip (LL) ,im(LL),jp (LL) ,jm(LL)
COMMON/ constantes /pi,zpi,tempr, beta
! COMMON/ constantes
| LL é o volume da rede !
coordenadas do vizinhos
| x o x que guardam as
READ(1,*)n. eqli5
e
i-negativo, j-positivo
1 x nas posições i-positivo, READ(1,*)n. amos
sítio is.
!j-negativo do spin no
READ(1 ,s)iseed
externa
1! tempr: contém a temperatura READ(1 ,*)tempr.º
! beta =
1/tempr READ(1,*x)ax,av.à
inicial do gerador de nergy nergyn
1 iseed: semente READ(1,*x)arg cor
de de monte carlo para
! n equilibrio: numero passos 1
conterá do
|! configs: variável que
o nome
1
arg
|! arquivo de configurações Pi = 4.0d0OsDATA
! Zpi = 2.0d0=Pi
| Sub-rotinas e funções usadas: beta = 1.0D0/ter
Entrada de dados
! Ler dados !
1! Ler dados —-
READ(1 ,“)Jiseed
READ(1,*)tempr,beta
READ(1,*)ax,ay,az,bx,by,bz
READ(1,*)arg configs
1
CLOSE
!
! Define constantes
1
Pi =
4.0d0sDATAN(1.0DO0)
Zpi = 2.0d0xPi
beta =
1.0D0/tempr
1
| Write(*x,*)n eglibrio
! Write(*,*)n amostras
| Write (+ ,*)iseed
| Write(x,*)tempr, beta
| Write(*x,*)ax,ay,az,bx,by,bz
118 Monte Carlo em Física Estatística Clássica 7.5 Modelo de Heis:
| Write(*,*)Pi,Zpi,beta iplisitio) =
ix
[=22]22==============[===========>=====>= ==
jm(isitio) = ix.
! ! CLOSE
! !
' l===============
! IMPLICIT DOUBLE
! Parameter (L=4.l
isitio = 0 COMMON/ spins/ Ssz
DO is =
1, IL COMMON/ constante
ip(is) = 0 !
jm(is) =
0 ! Cria configura
END DO !
DO 200 iy =
1,L DO 1I=1,1IL
iyp=iy +11 z =
1.0D0 —
2.0
iym =
iy —
1 phi =
zpi*DBLE( =
L sxy =
DSQRT(1.0L
IF(iym .LT. liym =
iym + L Sx(i) =
sxy+DCOS
DO 100 ix =
1,L Sy(i) =
sxy*DSIN
ixp = ix + 1 Sz(i) =
2
ixm = ix —
1 END DO
L RETURN
isitio = isítio + 1
ip(lisitio) H
ixp+(iy —1)sL
im(isitio) H
ixm+(iy —1)*L
jp(isitio) ix+(iyp —DsL
jm(isitio) =
ix+(iym-—l)+L
100 CONTINUE
200 CONTINUE
| WRITE(2,111)is,ip(is),im(is).jp(is),jm(is)
! END DO
RETURN
END
!
SUBROUTINE Config 0
IMPLICIT DOUBLE PRECISION (a--h,o-z)
Parameter (L=4,L 2 =
L/2,LL=L+L,LL 2=[1/2)
COMMON; spins/ Sx(LL),Sy(LL),Sz(LL)
COMMON/ constantes /pi,zpi,tempr,beta
COMMON/ externl param/iseed,n eqlibrio,n amostras
REAL xrand
1
DO 1 =
1, IL
z = 1.0D0 —
2.0d0+DBLE(xrand(iseed))
phi =
zpi*DBLE(xrand(iseed))
sxy =
DSQRT(1.0DO —
zxz)
Sx(i) =
sxy*DCOS(phi)
Sy(i) =
sxy*DSIN(phi)
Sz(i) = 2
END DO
RETURN
120 Monte Carlo em Física Estatística Clássica 7.5 Modelo de Heisenher
7
(a-h,o-z)
PARAMETER (L=4,L 2 =
L/2,LL=L*L,LL 2=1L/2) phi =
zpixxrand(iscs
COMMON/ spins/ Sx(LL),Sy(LL),Sz(LL) sxy =
DSQRT(1.0DO —
!1!!! Recalcula
vx =
Sx(k1)+Sx(k2)+Sx(K3)+Sx(k4) magr
vy Sy (k1)+Sy(k2)+Sy(kK3)+Sy(k4) um
i step =
0 nergy =
nergy + dSz
1 ENDIF
DO 200 i step =
1, mc steps 100 CONTINUE
WRITE(3,111)i step
! Percorre rede 1 111 FORMAT(i5S ,4(1x
a em Mcstep
t 200 CONTINUE
DO 100 is =
1, IL RETURN
ta END
7.5 Modelo de Heisenberg Clássico 121
Sz new = 1.0D0 —
2.0D0xzxrand(iseed)
phi =
zpixxrand(iseed)
sxy =
DSQRT(1.0DO ——
Sz newxSz new)
Sx new =
sxy+*DCOS(phi)
Sy new =
sxy+*DSIN(phi)
!
k1 =
iplis)
k2 =
im(is)
k3 =
jp(is)
k4 =
jm(is)
vx =
Sx(k1)+Sx(k2)+Sx(k3)+Sx(kK4)
vy =
Sy(K1)+Sy(kK2)+Sy(k3)+Sy (k4)
vz =
(1.0D0 + az)+(Sz(k1)+Sz(k2)+Sz(k3)+Sz(K4))
dSx = Sx new-Sx(is)
dSy =
Sy new-Sy(is)
dSz = Sz new-Sz(is)
dE = dSxsvx + dSyxvy + dSzxvz
1
p
=
DEXP(betaxdE)
IF (DBLE(xrand(iseed)) .LE. p)THEN
tt
um
amx H amx + dSx
nergy =
nergy + dSxxvx + dSyxvy + dSzxvz
Sx(is) = Sx new
Sy(is) =
Sy new
Sz(is) = Sz new
ENDIF
100 CONTINUE
função para
1
de cada obter
! Gerador de números aleatórios (Congruencial duplo) estes valores médios. Nas?
I
e magnetizaçãoe suas resz
IF(j.LE.ntab)iv (j)=idum
END DO
iy=iv(j)
ENDIF
passos de Monte Carlo, Mcstep, para algumas temperaturas típicas. Observa-se que no
Figura
início da simulação o sistema não está em equilíbrio. Após certo número de Mcsteps,
ataca
Magnetização
80
|
+ Ee doi Titço hs
Enregres
436
Eid
ah cenio
e í
icms
Sins
a
tese
ge
:
* *
E &
«Sad et E k
&
£o&
$
«iss
“va q 04 40 143 tá 14 14 5
(Ha
so dos Eiras .
histogramas. O algoritmo
60
Inicializamos com g (E
ar a
o
Geramos uma configuraçã
=
02 04 06 08 10 42 14 Esta escolha implica que «
um número pseudo-aleaté
Figura 7.11: Magnetização como função da temperatura. r< p. Fazemos a troca: E
rejeitada e reiniciamos o px
somamos Í ao histograma
O método de amostragem conhecido como Wang-Landau foi desenvolvido na última
sidade de estados antiga. «
década. E um algoritmo muito poderoso que permite calcular, de forma alternativa, a
continua até que H (E) se
densidade de estados do sistema em consideração. (Wang and Landau 2001; Wang and
cer, trocamos f < fe:
Landau 2001)
parte de um programa que
dimensional. O programa
Em mecânica estatística o conhecimento da função de partição, soma sobre todos os
da clareza necessária.
estados (eg. 3.14), permite-nos obter todos os valores médios das grandezas deinteresse.
Uma vez que diferentes microestados podem ter a mesma energia E;, podemos agrupar
. .
f==========D[D=2=>>>
todos microestados
.
Subroutine Wang.
Implicit Double ?
PEto)
Z=
De =
Carlo
as P possíveis
! energias
8 do sistema.
! Uma
m vez estimada a densidade de estados, médias
Common/ WangLandau
dependentes da energia podem ser calculadas como antes. Uma vantagem muito grande
Dimension AlnG(N +
deste método é que a densidade de estados é independente da temperatura. Assim uma
Integer H(N bin)
vez
determinadog(E), saberemos a resposta do sistema para qualquer T.
Real xrand
a inicialização de g(E) com qualquer conjunto razoável de valores, o mais simples é Alnf =
DLog(f)
escolher g(E)=1 para todo valor de E. Um histograma H(E) serve como controle, deter- Do i =
1, Nbin
minando o número de visitas que se faz a cada valor de energia. Isto se tornará claro AlnG(i) 0.0DO
=
7.6 Algoritmo Wang-Landau 125
[td
mais adiante. Tomamos H(E) = 0 inicialmente. Observe que tanto g(E) quanto H(E) são
continua até que H (E) seja uma distribuição razoavelmente lisa. Quando isto aconte-
cer, trocamos f <- «/f e repetimos o processo até que f = 1. Abaixo reproduzimos
parte de um programa que calcula a densidade de estados para o modelo de Ising bi-
ja £f =
DExp(1.0DO)
jm d E bin =
(E max
—-
E min)/DBle(N bin)
Alnf =
DLog(f)
ET- Do i =
1, N bin
TO AlnG(i) = 0.0D0
126 Monte Carlo em Física Estatística Clássica 7.6 Algoritmo Wang
0 ! Define new ss
H(i) =
|
End Do
! Store total in E old r=(1.0D0 -—
2
energy
1 mz new =
sign
E 0.0DO ! Calculate th
old =
1
Do i=1,L
im = i —
1 DE =
(mz(i,j)-
1 E new = E old
ip=i+
If(E .GE.
if(i .eqg. Í)im NH [um new
1 (
if (i o O (o Ne?
pao
"mo H pr knew = +
Do k old = 1 ++
j=1,L
jm=j-1 p =
AlnG(k old
If(p .GE. 0)Th
jp=)+1
if(j eg. Dim =L AlnG(k new) =.
mz(i,jm)+mz(i,jp)) mz(i,]j) = mz mn
End Do Else !!
teste =
Dlog(D
End Do
1 H(k new) =
Hí(k
Ikont = O E old = E new
1 AlnG(k old) =
! Endif !!
Else !!!
i =
L+«xrand(iseed) + 1
If (Mod(Ikont .1
jm=)-1
Call H Flatnes
jp=j+1
If(H eps .LE.
if(i ceg. Dim
Alnf = 0.5D0 =
amo
if(i ceg. Lip NH
Do i =
1, Nbi:
if(j .eqg. Djm
H(i) = 0
if(j .eg. L)jp
127
sica
7.6 Algoritmo Wang-Landau
2.0d0xDble(xrand(iseed)))
mz new =
sign (1.1DO,r)
! Calculate the increment in energy
1
DE =
(mz(i,j)-mz new)+*(mz(im,j)+mz(ip,j) + mz(i,jm)+mz(i,jp))
E new = E old + DE
Emin)/d E bin
p =
AlnG(k old))-DLog(AlnG(k new)
If(p .GE. 0)Then !!
AlmnG(k new) =
AlnG(k new) + Alnf
H(k new) =
H(k new) + 1
E old = E new
mz(i,j) = mz new
Else !!
teste =
Dlog(Dble(xrand(iseed)))
If(teste .LT. p)Then !
AlnG(k new) =
AlnG(k new) + Alnf
H(k new) =
H(k new) + 1
E.old = E new
mz(i,)]) = mz new
Else !
AlnG(k old) =
AlnG(k old) + Alnf
H(k old) =
H(k old) + 1
Endif !
Endif !!
Else !!!
Endif !!!
Do i =
1, Nbin
H(i) H 0
128 Monte Carlo em Física Estatística Clássica 7.6 Algoritmo Wang-L
ams
Endif
desenhamos no eixo “y” ix
Endif
1000 Continue ! Fim do WL
e
dt
E, g(E) e H(E) finais
IGrava Energia,
1
Do i bin =
1,N.bin
(AlnG(i
If bin) .gt. 1.0D-8)Then in (HE
Return
End
!
Subroutine H Flatness(H eps,H)
Figura 7.12: Logaritmo dz
Cont = 0.0DO
Do i=1, Nbin
If (H(i) .ne. 0)Then
Cont = Cont + 1.0DO
Aver H =
Aver H/Cont
XH = 0.0D0
Do i=1, Nbin
If(H(i) .ne. O0)Then
XH =XH + (Aver H —
1.0DO+H(i))+*2
Endif
End Do
XH =
DSgrt(X H)/Cont
H eps =
X H/Aver H
Return
End
!
ica 7.6 Algoritmo Wang-Landau 129
A figura 7.12 mostra o resultado obtido para G(E) usando nosso programa. Por clareza
desenhamos no eixo “y” In G(E).
L5e+0s pr
A
1405 f & -
É &
En GE) é
he
t
a
HR:
seooa
— 4
: +
n
F 4 A
S60
iai
54
L 1 Ea 50
de
& Ho
Energia
Paralelizando a Simulação
"Divida e conquiste”.
Napoleão Bonaparte
8.1 Introdução
código serial.(Allen and Tildesley 1987) Nos exemplos usaremos idéias básicas de Di-
nâmica Molecular (DM) para salientar os conceitos de paralelização e não uma imple-
mentação ou método de DM em particular. Iremos supor que o leitor tem conhecimento
código simples, portável, com boa escalabilidade e pronto para ser utilizado em um nú-
mero arbitrário de processadores. Desta forma o código paralelizado pode ser utilizado
!
eficientemente tanto em computadores isolados ou formando clusters com dezenas a
!
Verificar na seção Termos utilizados ou traduzidos.
|
T
TITS
ESSTTTOTTOTOTOTOTOTOO
EEE
EE
(MPT exemplo
8.2 Message Passing Interface program
!disponibiliza a
discutido.
do código
serial previamente call MPL COMM R:
três são chamadas uma única vez. São elas,
Dentre as chamadas de MPI que se utilizam,
Os parâmetrosde input
paralelo desconectando os processos.
da identidade escalar do processo: buf é o endereço inici:
Definição do comunicador
-
elemento de um vetor
Call MPL COMM RANK (MPLCOMMWORLD, myid,ierr)
vetor;
de processos a ser conectados e qual a identidade (ID)
Esta chamada define o conjunto count -
número de elem
são conectados e O
program exemplo
!disponibiliza a biblioteca MPI
ima include “mpif.h'
ntes ! define variáveis usadas
nada
Za o
As outras chamadas necessárias são aquelas de comunicação entre os processos, para
envio, recebimento, aviso de espera (semáforo) e operações. Vejamos:
Esta chamada envia dados, que pode ser qualquer um dos usados pelo Fortran, i.e. intei-
» em
» em
ros, reais, dupla precisão, etc, do processo local para um outro processo.
Os parâmetrosde input da chamada são:
buf -
é o
endereçoinicial na memória da variável a ser enviada. No Fortran o primeiro
elemento de um vetor “buf” dado por buf(1) define a posição inicial na memória deste
vetor;
(ID)
s € o count -
um
cid”.
MPL
MPI
datatype
DOUBLE
- tipo
PRECISION,
de dado a enviar, pode
etc;
ser MPI INTEGER, MPI REAL,
dest -
tag
-
etiqueta da mensagem, pode ser um inteiro arbitrário e deve ser igual à etiqueta MPI de opera
Op tipo
usada na recepção da mensagem; MPI MIN, etc;
Comunicador, no caso usaremos o conjunto com todos os pro- MPI COMM WORLD
cessos, definido pela variável MPL COMM WORLD.
O único parâmetro ds ox
é o endereço 1
O algoritmoutilizado pe
os pontos algorimo é o
Esta chamada recebe dados enviados do processo definido pela variável source. log2p operações para p
[e to ú
buf -é o endereçoinicial na memória da variável a ser recebida; ba
MPI Status -
informações sobre o objeto recebido, que pode ser utilizado para checar
se o recebimento apresenta erros;
count -
MPI datatype -
source -
ID do processo destinatário ou pode ser definido como any. source, para receber
de qualquer
mensagem processo; Semáforo- Bloquear o p:
tag
-
etiqueta da mensagem que deve ser igual à etiqueta usada no envio da mensagem;
Call MPI Barrier
MPI COMM WORLD -
Disseminação (Broadcz
Esta chamada combina valores calculados em cada um dos processos em um tipo defi-
nido de operação. As operações predefinidas pelo MPI são: Soma, multiplicação, menor
valor e maior valor.
Esta chamada envia dad
Os parâmetros de input da chamada são: recebe dados se for quak
sendbuf -
count —
ão 8.2 Message Passing Interface (MPI) 135
eta MPI Op -
tipo de operação a ser executada, i.e. MPI SUM, MPL MULTIPLY, MPL MAX,
MPL MIN, etc;
recvbuf -
é o endereço inicial na memória da variável a ser recebida.
ecar
node ID
Semáforo- Bloquear o processo até que todos os outros processos façam a chamada:
sem; .
los Os
Esta chamada é utilizada para a sincronização todos os processos. Os processos são
liberados para prosseguir quando todos eles fizerem à chamada. O único parâmetrode
input é o comunicador MPL COMM WORLD.
Esta chamada envia dados quando chamada pelo processo de identidade ID source ou
buf —
count —
MPL datatype —
MPI Status —
informações sobre o
objeto recebido, que pode ser utilizado para checar
se o recebimento apresenta erros;
8.3 Conceitos
time=MPI WTIMEQ
Esta chamada do MPI fornece o tempo de processamento desde um ponto arbitrário até
8.3.1 Decomposig
o resultado da chamada, em segundos, é salvo na variável aqui nomeada time.
Um O interesse em se paral
exemplo:
tempos relativamente cx
Como exemplo, vamos supor que nosso computador tenha quatro processadores e quere- res para cada um realiz:
mos que eles escrevam a mensagem "eu sou o processador: ?proc”, onde Fproc identifica
realizado uma
por cpu
o processador. Abaixo vai escrito o programa que executa esta tarefa:
que seguiremosé feita r
O código completo, auto explicativo, a seguir ilustra as unidades básicas de um código subsistemas. Cada um
Fortran 90 com chamadas MPI. Exemplos adicionais de códigos Fortran/MPI utilizando simulação com o códigr
os comandos apresentados nesta seção foram agrupados no apêndice. de partículas do sistem
ntag = 1001
nproc
call MPL RECV(i proc, 1, MPI integer, mpi any source, ntag,
& MPI COMM WORLD, status, ierr) Se cada lado do volume :
enddo
endif
call MPI FINALIZE (ierr)
END PROGRAM Greeting
res para cada um realizar uma parte dos cálculos desejados. Um processo é o trabalho
realizado por uma cpu. A divisão do processamento da simulação na implementação
que seguiremos é feita pela divisão espacial do sistema físico a ser simulado em vários
simulação com o código serial que utiliza a lista encadeada é proporcional ao número
Sistema Físico
Compuiação Paralela
Se cada lado do volume for dividido por um certo valor, P«, P,, e P; nas direções x, y
€ z, respectivamente, teremos subsistemas de lados L,, L,, L., contendo cada um uma
138
Paralelizando a Simulação 8.3 Conceitos Fundams
P; xP, x P;. Para ilustrar as ideias vamos desenvolver um código que paralelize um
—
Identidade -
ID escalar
Px
ID vetorial
de acordo
Figura 8.3: Identidade escalar e vetorial na distribuição logica dos processos identificados por um fr
aa
Físico À
.
.
o
Ox,
Cuica
vetorial é dada
A relação entre o ID escalar e por:
Px =pKP,P,;)
=
(p/P;) mod P;
py
p:=p mod P;
8.3 Conceitos Fundamentais 139
ou
Sequential processor
ID.p Pe E P
õ 6 õ õ
i g 9 I
2 o 1 G
3 0 1 í
4 & z q
5 g z f
ã t º õ
7
t q t
8 t 1 g
5 f 1 f
16 t z D
1 f 3 E
ID vetorial
deslocamento, À =
(Ay, Ay, A:), denota a posição do subsistema vizinho em relação a
própria posição. A tabela seguinte lista os seis vizinhos, sendo que um vetor inteiro, ô
=
(0x, Ôy,ô:), especifica a posição
relativa de cada vizinho.
A= Tdi Po Digb
ID do vizinho, 4
1 (oeste) e tLm. 8 05
Usando as condições ;
p'a (k) =
[pa + da (k) + Pa] mod Pa (a =X, y, 2)
tema são expressas cm
Estrutura de Dados
ID
tão;
MPI, cada sabe seu
Em um programa de simulação em paralelo usando processo
nb: número de átom
escalar através da chamada MPL COMM-Rank.
RINEMAX][3]: coor:
atômi-
r[n+1:n+nb][] guarda
das interações interatômicas até raio de corte as coordenadas
Para o cálculo o rc,
do limite do subsistema Isb[6][INBMAX]: 1sb
cas dos 26 subsistemas vizinhos localizados dentro de rç a partir
é feito copy(. vizinho ku;
precisam ser copiadas. Este processo pela sub-rotina atom.
Isb[kul[k]: ID do E-<s
As coordenadas dos
é
&
& lhando as seis faces z
& esta
o
»
& Peisiste mt tilham faces é feita im
(100)
o
“
& % & 4
residentes.
| 4 Algoritmo
a Co Lil se Iniln Lecelhimal
Inicializa o número «
Dee em
n residentes Ph cópias Dopara as direções
8.3 Conceitos Fundamentais 141
nhos compartilham borda, uma uma extremidade ou uma face. Existem seis subsis-
que
temas vizinhos compartilhando as seis faces. As coordenadas atômicas de cada subsis-
tema são expressas em relação a origem de cada subsistema, i.e., 0 < x, < Ly (a=X,Y,
z). Qualquer subsistema pode ser considerado como o centro do todo.
Estrutura de Dados
tão;
vizinho ku;
As coordenadas dos átomos fronteiriços são enviadas para os seis vizinhos comparti-
lhando as seis faces através de seis passos. As cópias para Os vizinhos que não compar-
tilham faces é feita indiretamente como ilustrado na Fig. 8.5.
paes à
passa à
DSY
MO
paeso É
DEDE VADA
Y
s quo 3
Figura 8.5: Processo de cópia dos átomos pelos subsistemas vizinhos. Os subsistemas
não dividem lados têm os átomos copiados indiretamente durante os três passos do
que
processo de cópia.
Algoritmo
Inicializa o número de átomos copiados, nbnew = O
Do para as direções x, y e z
a
Incremente nbnew
Enddo
Enddo
nb = nbnew
kd =ku/2(=012)
kdd = mod (ku / 2) (= 0 1)
Figura 8.6: Prepara
if (kdd ==
0) aos processos vizinhos :
bbd =
ri[kd] RCUT
else if (kdd ==
1)
Com um buffer de tamzr
bbd =
al[kd] —
RCUT rilkd]
endif bloqueia o envio da me:
no
exemplo acima, cadz
Envia dbuf
Recebe dbufr
3. Stocagem da mensagem: r < dbufr, no mesmo vetor depois dos átomos residentes
Figura 8.7: Troca de m
A variável nsd é o número de átomos a ser copiados ao vizinho sendo considerado. As
3*nsd coordenadas são mantidas no vetor 1D, dbuf. Para evitar este tipo de p
direção, myparity[a] = 2
Algoritmo
1. Preparaçãoda mensag
8.3 Conceitos Fundamentais 143
/
Lex
0123 4
rUEI | x
XY Y
adumbilazlti Iii]
Figura 8.6: Preparação do vetor buffer com os átomos fronteiriços para a transmissão
aos processos vizinhos correspondentes durante o processo de cópia.
bloqueia o envio da mensagem até que o buffer do destinatário esteja vazio. Entretanto
no exemplo acima, cada processador não pode começar a receber até que a
operação de
envio seja finalizada.
ntes
Figura 8.7: Troca de mensagens diretas pelos processos podendo causar paralização.
Para evitar este tipo de paralização os processos sãoclassificados por paridadee dividi-
dos em pares e ímpares em cada uma das direçõesx, y, € Z.
le, É
myparity[0!112]: Paridade do processador com ID vetorial na direção [ xlylz];
Algoritmo
No cálculo da força um
2d
O(Nº).
mos
calem com De fz
sendo L.a =
Lo/rco (E =
=(coCyc)(O<c<L
Figura 8.8: Troca de mensagens pelos processos seguindo ordem de paridade não cau-
ou
3. Stocagem da mensagem: r <— dbufr, no mesmo vetor depois dos átomosresidentes Do i=l,n+nb
a
No cálculo da força um looping duplo simples faz com que as interações de pares es-
calem com O(N?). De fato, com um raio de corte finito, r., um átomo interage apenas
(4p/3) rê (NIV).
”
células pequenas de mesmo tamanho. O tamanho de cada lado da célula, (rx, rcy» rcz),
deve ser pelo menos rc; nós usamos r.q =
La/Lca, sendo Ly =
Lotre. Um átomo
em uma cela interage somente com os átomos na mesma cela e suas 26 celulas vizinhas.
Incluindo os átomos copiados, as coordenadas atômicas ficam entre [-r., La + rl(a =x,
y, 2). O número de celas para acomodar todos estes átomos é (Lc, +2) x(Lcy+2)x(Lc:+2),
sendo Lea =
Lalrca (O =X, Y, 2). As células são identificadas com um índice vetorial, &
c =
c(Lo+2XLc:+2) +
cLez+2) + cz
ou
Cx =
M(Loy+2)(Lc:+2)]
cy
=
[cLe:+2)] mod (Ly+2)
c; = c mod (Lc;+2).
Os átomos pertencentes a uma dada célula são organizados como uma lista encadeada.
Estrutura de dados
head[c] = ii;
Enddo
r-seguindo o algoritmo
Algoritmo 2: Calculandc
mos residentes e células copiadas, comportando os átomos copiados dos subssitemas Do mc[0]=1,1c[0]
vizinhos. Do mc[1]=1;lc[1]
Do mc[2]=1;lc[2]
cedh d cell
à /* Calcule o índi:
& c =
mc[0]*lcyz2+-m
a
/x Escaneie as cé
et Q cell 2
a o /x (incluindo ela
o
O O Do mcl[0]=mc[0]-1
Do mcl[1]=mc[1]-1
GA 2. A D o met 1[2]= 2]-—1
ieas Ca DEDS TO]
/*
tBiomeio!r
Calcule o índic
O LS 44 sh
rabelelolilalglsial cl =
mcl[0]*lcyz2-
/x Escaneie os
Figura 8.10: Esquema de produção da lista de células encadeadas. Com os vetores de /x Escaneie os ár
c =
me[0]*Icyz2+mc[1]*1c2 [2]+me[2]+1; j =
Iscll[j];
anterior /x Enddo
/* Aponte para o ocupante
for x/ i =
Iscl[il:
/x (ou vazio "EMPTY" se o primeiro
Enddo
Iscl[i] =
head[c];
Enddo; Enddo; Endc
/x O último ocupante se transforma no cabeça x*/
a
head[c] =
à;
Enddo
Após a preparação da lista encadeada o potencial e a força nos átomos é calculado le-
vando em conta a interaçãoentre átomos em uma dada célula e todas as células imedi-
atamente vizinhas. São considerados todo os pares de átomos dentro do raio de corte
r-seguindo o algoritmo.
j =
head[cl];
Do while (j != EMPTY) f
j =
Iscl[jl;
Enddo
i =
Isclfi]l;
Enddo
Após a atualização das coordenadas atômicas de acordo com o algoritmo velocity Ver-
let alguns átomos podem ter ultrapassado as fronteiras do subsistema. Estes átomos
Algoritmo
Inicializar o número de é
ELO D) úLm
Do para as direções x. v «
Incremente newim
ser movido; Enddo
function Enddo
logical bmv(r,ku): .true. se o vetor de coordenadas r esta fora da fronteira do
subsistema com o ku-ésimo processo vizinho. !Comprima o vetor
!transferidos
O algoritmo é basicamente idêntico aquele da sub-rotina atom copy. Durante o loop de
!Condição de Iran
seis passos a variável newim mantém o número de novos migrantes. Este átomos são
logical function
adicionados ao final do vetor r após as coordenadas dos átomosresidentes. Suponha que kd = ku / 2 (=
o átomo i tenha saido do subsistema. Quandor[i] é enviado ao processo apropriado, r[i] kdd =
mod (ku
é marcado como átomotirante” colocando uma constante (valor positivo ou negativo if (kdd ==
0)
grande) em r[i][0]. Após os seis passos de transferência de átomos entre os processos os
bmyv 0.0
=
rilkd]
n+newim átomos residentes são escaneados para comprimir o vetor de posição r[i][0] e
else if (kdd == 1
o a É q
096
et
a BuRrA
er
nei comprime
Jos
Updated n
Figura 8.12: Processo de compressão dos vetores após a transferência de átomos tirantes.
Algoritmo
Do para as direções x, y e z
Faça as listas de átomos a serem transferidos "mvque”, para as direções abaixo e acima
incluindo ambos os átomos residentes e migrantes “newim”, mas excluindo os átomos
já transferidos
no Incremente newim
Enddo
Enddo
a do
!Comprima o vetor de coordenadas "r" para eliminar os átomos
!transferidos
p de !Condição de transferência
são function
logical bmv(ri[],ku)
- que kd =ku/2(=012)
, li] kdd = mod (ku / 2) (= 0 1)
ativo if (kdd ==
0)
Ds OS bmv 0.0
=
rilkd]
[0] e else if (kdd ==
1)
bmv =
al[kd] ri[lkd]
endif
150 Paralelizando a Simulação 8.7 Lista de modificz
NT & Za cipal
iv) Adicionar as
de
ch:
e o arquivo cz
a
tum
Za
CLILILL
Dl aa
ILILLILLIILIILIS
3. Fazer
ção;
uma tabela co
Figura 8.13: Preparação dos buffers de coordenadas e velocidades com os átomos ti-
5. Fazer uma tabela de
rantes para a transmissão aos processos vizinhos correspondentes durante o processo de
e atom move();
imigração.
6. Definir unidades re
8. Refazer a leitura e
Partindo do código serial de DM discutido nos capítulos anteriores para simular o bulk sobre a distribuição es;
4
no ensemble microcanônico para uma estrutura cristalina FCC utilizando:
9. Implementar a sub-
interaçãoatom copy()
1. Potencial de interação de Lennard Jones;
10. Refazer a sub-rotir
2. Algoritmo de propagação temporal Velocity-Verlet;
11. Refazer a sub-rot
2. Temperatura e pressão;
4. Deslocamento quadráticomédio.
iii) incluir os novos nomes dos mútliplos arquivos de posição e velocidade inicial;
iv) Adicionar as chamadas para inicializar e finalizar o ambiente MPI na rotina prin-
cipal e o arquivo de cabeçalho mpif.h em todas as rotinas que usarão chamadas do mpi.
3. Fazer uma tabela com os IDs dos processos vizinhos para ser usada durante a simula-
ção;
5. Fazer uma tabela de paridade dos processos para ser usada nas surotinas atom copy()
e atom move();
8. Refazer a leitura e escrita dos arquivos de posição pelos processos para salvar dados
9. Implementar a sub-rotina para copiar átomos nos processos vizinhos até o limite de
11. Refazer a sub-rotina da força para usar a nova implementação da lista de células
encadeadas e para calcular corretamente a força nos átomos residentes nos processos;
15. Definir sub-rotinas auxiliares para a cópia e transferência de átomos e informações em um processo
entre os processos: de carga eficientes
1) bbd =
verifica se um dado átomo está na região de interação e deve ser copiado Exemplo 1: Deco
ao processo vizinho; processos.
ii) bmv = verifica se um dado átomo saiu dos limites do subsistema; Na Fig. 8.14(a) a
núindentadomeros inteiros
») deixa os subsis
iii) mespasi = transfere entre processos vizinhos;
passo que na Fig. £
iv) mespasd = transfere números reais entre processos vizinhos.
16. Refazer a sub-rotina para o cálculo da função de correlação de pares g(r) e dos
15(b) a
decomposiç
subsistemas.
8.8.1 Balanço de carga
tes, na sub-rotina atom move, o processo mais lento dita o ritmo da simulação. O tempo
de processamento de cada passo temporal depende de vários fatores sendo o principal
mente pois o volume espacial em cada subsistema é idêntico. Se o sistema não é o bulk Figura 8.15: Decom
em quatro susbsistem
nem sempre uma distribuição balanceada de carga pode ser conseguida. Em todo caso
o número de processos em cada direção deve ser escolhido de modo tornar a distribui-
ção de átomos entre os processos a mais homogênea possível evitando a sobrecarga de Exemplo 3: Decomp
processo específico. A regra básica a seguir é minimizar o número máximo de átomos Diferente dos dois c:
8.8 Decomposição espacial 153
subsistemas.
Diferente dos dois casos anteriores as Figs. 8.16 (a)-(b) com decomposições2 x 2 e
154 Paralelizando a Simulação 8.9 Cálculo de propri
escolha simulação ou
1
outra leva a subsistemas com aproximadamente o mesmo número de partículas. e as médias no sistem
decomposiçãoespacial
Como exemplo do cálc
da função de distribux
8.9.1 Distribuiç:
Estrutura de dados
NNHISTI] é o histogr:
bulk de material granular quatro
Figura 8.16: Decomposições bidimensionais de um em
Algoritmo
Inicializar os histograr
8.8.2 Minimização da comunição entre os processos
/x Durante o
Para duas dadas
Tomando as decomposições mostradas na Fig. 8.16 vem a pergunta: Do cada ri
para
decomposições espaciais com mesmo balanço de carga qual decomposição a seguir? k= / dr?
rij2
recordar o tempo total de um simulação
Para respondera esta pergunta precisamos que
nnhist(k)=nnhis
por DM em paralelo é composto pelo tempo de processamento doalgoritmo de evolução
Enddo
número de átomos
pelo tempo de comunicação entre os processos. Como o
temporal e
/x Após finaliz:
é aproximadamente o mesmo o tempo de processamento ficará equilibrado
por processo /* o histograma
então de modo
entre todos os susbsistemas. A escolha da decomposiçãodeve ser feita a
call MPL ALLRED
reduzir o tempo de comunicação entre os processos. Este tempo pode alcançar de 5% a
MPL COMM WORLD
80% do tempo total de uma simulaçãoparalelo, em dependendo do tamanho do sistema e
Calcule g(r) us
u2: é o deslocamento
uvt: é o coeficiente de
ralelo
uvtg é o coeficiente ds
de médias estatísticas
O cálculo qualquer quantidadefísica do sistema através
de precisa Algoritmo
média nos subsistemas. Em
adaptado no cálculo em paralelo pra levar em
conta as
ser
Inicializar as variáveis
vetor local e no final da
geral cada processo acumula os valores das quantidades
em um
8.9 Cálculo de propriedades durante a simulação em paralelo 155
Estrutura de dados
Algoritmo
Inicializar os histogramas, NNHIST[]=NNHISTG([]=0
rante
rfície de difusão
8.9.2 Deslocamento quadrático médio e coeficiente
e dos
mente para
DO 1=1,N
SLX R[IJ[1]
—
RO[IT[1] Bulk -
Sem equivale:
SLY R[I][2] —
E
UVI= UVI + SLX*V[1][1] + SLY+V[I]JIZ] + SLZ*VZ[1][3]
átomos internos z um
ENDDO
*/ Célula
/x calcule as variáveis globais uZg e uvtg copiada -
call ALLREDUCE(u2
MPL ,u2g,1 MPI ,
DOUBLE PRECISION, átomos copiados par
gação de dois ou ms
Cópia de átomos -
capítulonão equivalente em
Vários técnicos científicos utilizados neste possuem
termos
Decomposição Esp:
então tradução não é muito precisa e difundida. Alguns destes termos
português ou a
iguais entre processo
são discutidos abaixo:
direções cartesianas
inglês include file. Arquivo usado para a definição de sendo px,pyepror
de cabeçalho Do
-
Arquivo
variáveis várias unidades do código de simulaçãoe a fixação de valores destas
comuns a Dinâmica Moleculz
de entrada Do inglês inpui file. Arquivo usado para a entrada de parâmetros computadores com u
Arquivo
-
Átomofronteiriço -
Do inglês boundary atom. Átomos próximos a divisão entre dois rodando. Na defini
Buffer -
Bulk -
Sem equivalente em português. Quando simulamos o material em bulk estamos
Célula residente -
Célula copiada -
átomos copiados para um dado subsistema pelo qual é responsável um dado processo.
Cluster de computadores -
Cópia de átomos -
átomos residentes, para a memória do processo em questão para uso imediato dentro do
Decomposição Espacial -
iguais entre processos de acordo com uma dada distribuição espacial dos processos nas
Dynamics. O al-
o ID vetorial que define a região espacial do sistema físico que este será responsável.
escala linearmente com o número de partículas O(N) ao passo que um looping duplo
direto se escala quadraticamente com o número de partículas O(N?).
Migração de átomos -
Program
chamad:
C=ZD]DZHZHTTIDIDD—:
program sample!
c two processes
c master proces:
c 1 try to gues:
include 'mpif
integer myid.
integer ntag,i
real try, numb
c——— Set MP
up
call MPI INIT
c-——— Get ID of
call MPL COMM R
c Set arbiir
ntag = 500
c Set exit
iexit=0
Pick a ranc
if (myid.eq.C
call random nur
Apêndice A
c c
program samplel
c two processes version
c master process pick a number (1-9) and process
c 1 try to guess what it is
c c
include "mpif.h'
integer myid, ierr
inumber=numberx10 c Set uj
c
process try to guess the master number call MPL CO
do 1i=1,100 C— Get
if(myid .ne. O) then call MPL CO
call random number (number) [o Set aj
lexit=iexit-+
c master process pick a number (1-9) and processes
endif
C try to guess what it is
endif
e c
c Exit at the
include “mpif.h' CALL
c MPI ALL
integer myid, ierr
c & MP SUM1
integer ntag,itry ,itryrecv, status (MPI STATUS SIZE)
real
c
if(iexitg nº
try, number
161
printx,"got it"
iexit=iexit+l
endif
endif
Exit at the first good try
ooo CALL
o if(iexitg.ne.0)
162 Programas exemplo utilizando chamadas básicas de MPI
enddo endif
printx," process
e e
endif
program sample3 c- What is th:
e c
c What is the
500 c is transferred
ntag =
endif
call MPI BARRIER(MPI COMM WORLD, ierr)
enddo
c Who have the smallest number
endif
endif
c c
program sample4
oO n processes version
master node sets a random 3x3 matrix and upper haf data
ooo is
include
transferred
"mpif.h'
between processes
enddo Cc
endif
C===2]2TDDDD]2DDD=
do i=0,nproc-—l
if(myid.eq.i) then program samples
cn
write(x,'(A8,i4)')" process *",myid processes
c
write(x,'(3f6.2)")(matrix(1,]),j=1,3) processes ser
write(x,'(3f6.2)')(matrix(2,]),)=1,3)
c
histogram
write(x,'(3f6.2)')(matrix(3,]),]J=1,3)
endif
call MPI BARRIER (MPL COMM WORLD, ierr) integer myid
enddo integer ntag .i
c Set ME
do i=0,nproc-—2 up
call MPI INIT
j=i+1
then
c Get ID
if(myid.eq.i.or.myid.eq.j)
do call MPL COMM E
k=1,3
Cc— Get numbes
do 1=k,3
call MPI call MPI COMM.
if(myid.eq.i) SEND(matrix (k,1),1,MPI REAL,j.,ntag,
& MPI COMM ierr
Cc Set arbitr
WORLD, )
ntag =
500
165
write(x,'(A8,14)')," process*%",myid
write(*,'(3f6.2)')(matrix(1,n),n=1,3)
write(x,'(3f6.2)')(matrix(2,n),n=1,3)
write(x,'(3f6.2)')(matrix(3,n),n=1,3)
-9) endif
if(myid.eq.0) pause
enddo
c-—--Finalize MPI environment
program samples
cn processes version
c processes set random 10 elements integer histogram
c histogram is averaged among processes
c
include "mpif.h'
integer myid, ierr
c Initialize histogram
call random seed()
do 1=1,10
call random number (number)
inumber=10:number
hist (i)=inumber
enddo
do i=0,nproc
1 Apêndice ]
if (myid.eq.i) then
do 1=1,10
B.l Errosno:
rhistg (i)=real(histg (i))/nproc
enddo
if (myid.eg.0) then
se possível. Os erros
propriedades
Uma questão relevante é saber quão longa deve ser a simulação para se obter médias
confiáveis. Como regra geral, a
simulação deve ser suficientemente longa para que as
médias temporais das grandezas de interesse tenham uma média estatística satisfatória.
A quantificação deste critério se dá
pelo cálculo do erro estatístico associado à média
temporal. Como em todo experimento, as quantidades calculadas através de simula-
ções por DM/MC estão sujeitas a erros sistemáticos e estatísticos. Erros sistemáticos
podem surgir da dependênciados resultados com o tamanho finito do sistema, termali-
zação incompleta, uso de geradores de números aleatórios ruins, etc (Resende and Costa
1998), (Ferrenberg, Landau et al. 1992). Estes erros devem ser estimados e eliminados
se possível. Os erros estatísticos são gerados pela média temporal que é feita durante
um tempofinito de simulação. Como as médias são sempre realizadas em um tempo
finito estes erros estão sempre presentes. É, portanto, essencial estimar qual a relevância
estatística dos resultados calculados. Supondo de interesse
que a quantidade A(t) siga
uma
distribuiçãogaussiana precisamos apenas calcular o valor médio e a variância da
distribuição.
168 Erros no cálculo das propriedades B.3 Erro sobre as!
Para uma simulação executada por um total de Tora; passos de propagação, a média de
uma propriedade A qualquer do sistema durante a simulação será dada por
Total
1
(A) =
V4(t) (B.1)
B.3
Total 4-1 Erro so
2
= (4)
(A) (B.2)
Total
para a variância
com
Total
62 (A) =:
DVA(o) (A)? =
(AD) (AJ. =
(B.3)
Total q=1
Para uma função de |
muito próximas umas das outras e a quantidade está altamente correlacionada. Se o nú-
B.4 Erro na
mero de passos necessários para descorrelacionar a quantidade medida for conhecido e
Pode ser mostrado (Allen and Tildesley 1987) que para médias sobre tempos muito
menores que o tempo de correlação TA a variância é dada por B.5 Erro nas
correlação temporal «
S
((A)
rec) GTA
=
SUA). (B.5) temporal
B.3 Erro sobre as flutuações 169
2ta
lim1652((4),) /62 (4)
=
(B.6)
para a variância e
t= 2
[ arçõa(oaj?
(04º? (B.8)
1 Gotal .
.
, ,
CEO) =
(ADÃO) a
o | AAA. 9
Apêndice
SC() =
Cyi(t) -Cas(t)
=
ora (A(A(O))—
(B.10)
(ADAO
=
ah ar
tota
(AGOA(!1) =
elas foram cx
analisar todos
dos maiores cx
olhos
C.1 Advent
-
1839 -
Charles Bab
desenharam e desem
como
“máquina difer
máquina nunca ter su
1930 -
Já existiam a
lhos específicos po :
-
1941 -
23, primeiro
em dez/1943 por bom
))
Apêndice €
computadores
11)
“Considere por um instante uma inteligência que possa compreender todas
as forças pela qual a natureza é animada e as situaçõesrespectivas nas quais
elas foram compostas
-
-
1839 -
máquina nunca ter sido construída ela contém muitos dos princípios dos computadores
que vieram a ser descobertos e construídos até hoje.
-
1930 -
Operava em 5.3 Hz. Consumia 4000W. Uma operação de adição demorava 0.8 s e uma *
1956 -
Primeira s
Colossus, máquina eletrônica de larga escala desenvolvida para quebrar mensa- 1960 W
George
- -
gens de códigos (somente operações lógicas) utilizadas pelas máquinas de codificação danos por radiação «
Primeira sim
-
1942 -
chamada ENIAC -
construído
ção de naves espac
foi por Presper Eckert (na época com 22 anos de idade) e John Mauchly
área
ciências, que é o ob
na Universidade da Pensilvânia. Pesava 30 toneladas e ocupava uma de 167 m?,
consumindo 150 kW. 1. Teste do caos mc
-
1944 -
John von Neumann junta-se ao projeto ENIAC. Propõe um programa de arma- 2. Equilíbrio
zenamento para os computadores.
3. Teoria cinética
-
1946 -
17.480 válvulas a uma taxa de 100.000 pulsos por segundo. Continha 20 fileiras de 5. Propriedades de w
luzes para indicar os resultados computados. Era capaz de adicionar 5.000 números
6. Dependência cu x
ou multiplicar dígitos segundo. 14 números idéia, de 10 em um Só para se ter uma
7. Teste de modelos
hoje um Pentium realiza 33.786.699 operações de ponto flutuante por segundos (ver por
exemplo: http://performance.netlib.org/ performance/html/flops 4.data.colO.html ). 8. Fenômenos crítico
EDSAC, BINAC.
10. Decaimento no &
-
1950 -
SEAC,
11. Acoplamento da
-
1950 -
As força armadas americanas liberam o uso dos computadores para uso não
12. Propriedades vihs
militar.
13. Medidas espectro
-
1951 -
-
1953 -
É feita a primeira simulação de um líquido por Monte Carlo, programa desen- 15. Propriedades die)
FORmula TRANsla-
17. Estrutura e dinâm:
tion.
1955 -
unidimensional de partículasacopladas por molas anarmônicas utilizando o MANIAC. 19. Águae solução ag
q DE
C.1 Advento do computador -
Linha do tempo 173
-
1956 -
-
1964 -
utilizando-
se de um potencial de interação, realizada por Aneesur Rahman no Argonne National
Laboratory.
De lá para cá os computadores ajudaram a explorar o mundo nas mais diversas áreas,
tm
indo dos estudos fundamentais em Física, Química, Matemática e Biologia, até a produ-
va
ção de naves espaciais, aviões invisíveis e, não podendo esquecer, as redes sociais. Em
fredTeste
. do caos molecular
2 .
Equilíbrio
wo Teoria
. cinética
o
Bo Difusão
.
boda
o ta .
Propriedades de transporte
a A
OS Dependênciaou
. influência do sistema
8. Fenômenos críticos
9. Comportamento Coletivo
líquido real,
rod
um =
23. Interfaces líquidas
esquecendo de Nosé
24. Polímeros
man, para citar os ma
contribuições para z
26. Sólidos
grange.
27. Formação e migração de defeitos
Atualmente (janeiro «
de 710144 GB. O Z:
29. Contorno de grãos
36. Biomoléculas
e muito mais...
Todo o desenvolvimento das técnicas atuais de simulação, tanto por dinâmica molecular
como por Monte Carlo deve-se a umas poucas pessoas. Com respeito a simulação de
C.1 Advento do computador -
Linha do tempo 175
Monte Carlo clássico, até hoje os códigos são baseados nas ideais de Metropolis, ao
passo que o Monte Carlo quântico deve-se em grande parte aos trabalhos de Ceperley.
Na dinâmica molecular o número de pessoas é bem maior. Desde o trabalho pioneiro da
contribuições para a mecânica analítica fornecidas por Euler, Newton, Hamilton e La-
grange.
[1] Alder, B Alder, B. J., D. M. Gass, et al. (1970). "Studies in Molecular Dynamics
-8.Transport Coefficients for a Hard-Sphere Fluid." Journal of Chemical Physics
53(10): 3813-&.
[3] Alder, B. J. and Wainwrig.Te (1967). "Velocity Autocorrelations for Hard Sphe-
res." Physical Review Letters 18(23): 988-&.
[8] Born, M. and K. u. Huang (1988). Dynamical theory of crystal lattices. Oxford,
New York, Clarendon Press ; Oxford University Press.
[10] Branicio, P. S., R. K. Kalia, et al. (2003). "Structural, mechanical, and vibrational
[11] Branicio, P.S.,J.P. Rino, et al. (2006). "High-pressure phases of InP: An ab initio
and molecular-dynamics study." Applied Physics Letters 88(16): -.
178 REFERÊNCIAS BIBLIOGRÁFICAS REFERÊNCIAS ETE
[12] Brown, D. andJ. H. R. Clarke (1984). "A Comparison of Constant Energy, Cons-
[26] DeVries.PL
tant Temperature and Constant Pressure Ensembles in Molecular-Dynamics Si-
mulations of Atomic Liquids." Molecular Physics 51(5): 1243-1252. [27] Ebbsjo, L. E
on intermedime
[13] Buckingham, R. A. (1938). Proc. Roy Soc. A 168: 264.
Physics 87/1
Physical Reviz
[18] Chaves, A. (2001). Física -Volume I Mecânica. Rio de Janeiro, Reich-
mann& Affonso Editores, Brasil. [32] Girifalco, L a
Function to Cuk
[19] Cleri, F. and V. Rosato (1993). "Tight-Binding Potentials for Transition-Metals
and Alloys." Physical Review B 48(1): 22-33. [83] Goldstein, E
Co.
[20] Costa, S. €., P.S. Pizani, et al. (2002). "Structural phase transformation in InSb:
A molecular dynamics simulation.” Physical Review B 66(21): -. [34] Griebel, M. &
dynamics : num
21) Costa, S. €C., PS. Pizani, et al. (2005). "Structural phase transition and dy-
namical properties of PbTiO3 simulated by molecular dynamics." Journal of [35] Hacyan, S. (2006
[22] Coura, P. Z., S. B. Legoas, et al. (2004). "On the structural and stability features [36] Haile, J. M. (190
of linear atomic suspended chains formed from gold nanowires stretching." Nano York, Wiley.
Letters 4(7): 1187-1191.
[37] Hansen, JT. P am
Academic Press
[23] Daw, M. S. and M. I. Baskes (1983). "Semiempirical, Quantum-Mechanical Cal-
culation of Hydrogen Embrittlement in Metals." Physical Review Letters 50(17): [38] Hirschfelder. 1
1285-1288.
liquids. [New os
Derivation
[39] Hoover, W. G
and Application to Impurities, Surfaces, and Other Defects in Metals." Physical butions.” Physical
Review B 29(12): 6443-6453.
[40] Hoover, W. G
[25] Daw, M.S., S.M. Foiles, et al. (1993). "The Embedded-Atom Method -
a Review -
Non-Hamiltoniz
of Theory and Applications." Materials Science Reports 9(7-8): 251-310.
40(5): 2814-2815
REFERÊNCIAS BIBLIOGRÁFICAS 179
[26] DeVries, P L. (1994). A first course in computational physics. New York, Wiley.
[27] Ebbsjo, I., R. K. Kalia, et al. (2000). "Topology amorphous gallium arsenide
of
for the Fcc Metals Cu, Ag, Au, Ni, Pd, Pt, and Their Alloys." Physical Review B
33(12): 7983-7991.
Co.
[35] Hacyan, S. (2006). "What does it mean to modify or test Newtons”s second law"
7): [38] Hirschfelder, J. O., C. F. Curtiss, et al. (1965). Molecular theory of gases and
40(5): 2814-2815.
180 REFERÊNCIAS BIBLIOGRÁFICAS REFERÊNCIAS E
[41] Huang, K. (1987). Statistical mechanics. New York, Wiley. [56] Morta, T
tion .3. A Mg
[42] Kadau, K., T. C. Germann, et al. (2006). "Molecular dynamics comes of age: 320 F
Theoretical
billion atom simulation on BlueGene/L." International Journal of Modem Physics
CIT): 1755-1761. [57] Morse. P M
Vibrational L
[43] Kallinteris, G. C., N. I. Papanicolaou, et al. (1997). "Tight-binding interatomic
potentials based calculation: [58] Nose. S. «1%
on total-energy Application to noble metals using
molecular-dynamics simulation." Review B cal Ensemide
Physical 55(4): 2150-2156.
[44] Landau, D. P and M. Krech (1999). "Spin dynamics simulations of classical [59] Nose. S. (198
Phase-Transm
[45] Landau, L. D., E. M. Lifshi*t*s, et al. (1986). Theory of Oxford
elasticity. [Ox-
1796.
fordshire] ; New York, Pergamon Press.
[61] Parrinello. »4
[46] Leach, A. R. (1996). Molecular Modeling -
[62] Parrinello
[47] Lebowitz, J. L.,J. K. Percus, et al. (1967). "Ensemble Dependence of Fluctuations
Crystals -
a
with Application to Machine Computations." Physical Review 153(1): 250-254. 52(12): 7182-
by Means cf €
[49] Lennard-Jones, L. E. (1924). Proc. Roy. Soc. A 106: 441.
W
the Canonical
[65] Picinin, A. E
Ensemble Via Continuous Dynamics." Journal of Chemical 2635-
Physics 97(4): alloys: 4 com
2643.
Chemical Ph:
[52] Martyna, G. J., M. E. Tuckerman, et al. (1996). ""Expliciat reversible integrators [66] Picinin, 4.4
for extended systems dynamics." Molecular Physics 87: 1117. F-x(2) phase d
1770-775.
[53] McQuarrie, D. A. (1976). Statistical Mechanics. New York, HArper Colins.
[67] Rahman, &
[54] Metropolis, N., A. W. Rosenbluth, et al. (1953). "Equation of State Calculations Rev. 136(24
by Fast Computing Machines." Journal of Chemical 1087-1092.
Physics 21(6):
[68] Rapaport. D
[55] Metropolis, N. and S. Ulam (1949). "The Monte Carlo Method." Journal of the Consideratioms
American Statistical Association 44(247): 335-341. 3): 198-216
REFERÊNCIAS BIBLIOGRÁFICAS 181
[57] Morse, P.M. (1929). "Diatomic Molecules According to the Wave Mechanics. IL.
Vibrational Levels." Phys. Rev. 34: 57-64.
[58] Nose, S. (1984). "A Molecular-Dynamics Method for Simulations in the Canoni-
cal Ensemble." Molecular Physics 52(2): 255-268.
[59] Nose, S. (1984). "A Unified Formulation of the Constant Temperature Molecular-
Dynamics Methods." Journal of Chemical Physics 81(1): 511-519.
[60] Parlinski, K., F. Denoyer, et al. (1990). "On the Molecular-Dynamics Study of a
[64] Perram, J. W. and North Atlantic Treaty Organization. Scientific Affairs Division.
(1983). The physics of superionic conductors and electrode materials. New York,
Plenum Press.
alloys: A combined molecular dynamics and solid state NMR study." Journal of
Chemical Physics 128(22): -.
ta [66] Picinin, A., M. A. P. Silva, et al. (2005). "The eutectic composition on CdxPb1-
F-x(2) phase diagram: A molecular-dynamics study." Europhysics Letters 71(5):
7170-775.
[67] Rahman, A. (1964). "Correlations in the motion of atoms in liquid argon." Phys.
th Rev. 405-411.
136(24):
[69] Rapaport, D. C. (1991). "Multimillion Particle Molecular-Dynamics .2. Design [83] Tersoi
Considerations for Distributed-Processing." Computer Physics Communications Elasric F
62(2-3): 217-228.
[84] Tersof
[70] Rapaport, D. C. (2004). The Art of Molecular Dynamics Simulation. Cambridge, Covales
[73] Reif, F. (1965). Fundamentals of Statistical and Thermal Physics. Singapore, [88] Tsa. 8.1
McGraw-Hill. using
me
[74] Rino, J. P., Y. M. M. Hornos, et al. (1988). "Structural and Dynamical Correlati- [89] Tuckerm
ons in Ag2se -
4
[7N Snir, M. (1998). MPL-the reference.
complete Cambridge, Mass., MIT Press.
no
[78] Squire, D. R., A. €. Holt, et al. (1969). "Isothermal Elastic Constants for Argon. o
[82] Tersoff, J. (1988). "Empirical Interatomic Potential for Carbon, with Applications [96] Verler L
[83] Tersoff, J. (1988). "Empirical Interatomic Potential for Silicon with Improved
Elastic Properties." Physical Review B 38(14): 9902-9905.
[84] Tersoff, J. (1988). "New Empirical- Approach for the Structure and Energy of
Covalent Systems." Physical Review B 37(12): 6991-7000.
[85] Tomanek, D., A. A. Aligia, et al. (1985). "Calculation of Elastic Strain and Elec-
[87] Tsai, S. H., M. Krech, et al. (2004). "Symplectic integration methods in molecular
[88] Tsai, S. H., H. K. Lee, et al. (2005). "Molecular and spin dynamics simulations
[89] Tuckerman, M., B. J. Berne, et al. (1992). "Reversible Multiple Time Scale
[90] van Duin, A. C. T., S. Dasgupta, et al. (2001). "ReaxFF: A reactive force field for
[91] Vashishta, P., R. K. Kalia, et al. (2007). "Interaction potential for silicon carbide:
tes for crystalline and amorphous silicon carbide." Journal of Applied Physics
101(10): -.
[92] Vashishta, P, R. K. Kalia, et al. (2008). "Interaction potentials for alumina and
41(17): 12197-12209.
[95] Verlet, L. (1964). "On Theory of Classical Fluids-3." Physica 30(1): 95-&.
[97] Vogelsang, R., C. Hoheisel, et al. (1987). “Thermal-Conductivityof the Lennard- [110] Anders
Jones Liquid by Molecular-Dynamics Calculations." Journal of Chemical Physics and-or
86(11): 6371-6375.
1
[111] Bom
[99] Voter, A. F, F. Montalenti, et al. (2002). "Extending the time scale in atomistic
simulation of materials.” Annual Review of Materials Research 32: 321-346.
[113] Bram
properts
[100] Wang, E. G. and D. P. Landau (2001). "Determining the density of states for clas- euers &
[101] Wang, F. G. and D. P. Landau (2001). "Efficient, multiple-range random walk al-
to calculate the of states."
[115] Brown. T
gorithm density Physical Review Letters 86(10): 2050-
2053.
[117] Buckingk
[103] Yin, M. T. and M. L. Cohen (1980). "Microscopic Theory of the Phase-
Transformation and Lattice-Dynamics of Si.” Physical Review Letters 45(12):
1004-1007.
[104] .
J., D. M. Gass, et al. (1970). "Studies in Molecular Dynamics .8. Transport [119] Chandler
Coefficients for a
Hard-Sphere Fluid." Journal of Chemical Physics 53(10): 3813- ford Um
&.
[120] Chantasir
[105] Alder, B. J., W. G. Hoover, et al. (1963). "Cooperative Motion of Hard Disks
[106] Alder, B. J. and Wainwrig.Te (1967). "Velocity Autocorrelations for Hard Sphe-
res." Physical Review Letters 18(23): 988-&.
[107] Alder, B. J. and T. E. Wainwright (1956). Procedings of the International [122] Clen. F a
[111] Born, M. and K. u. Huang (1988). Dynamical theory of crystal lattices. Oxford,
New York, Clarendon Press ; Oxford University Press.
[113] Branício, P.S., R. K. Kalia, et al. (2003). "Structural, mechanical, and vibrational
[114] Branicio, P.S.,J. P Rino, et al. (2006). "High-pressure phases of InP: An ab initio
and molecular-dynamics study." Applied Physics Letters 88(16): -.
[115] Brown, D. and J.H. R. Clarke (1984). "A Comparison of ConstantEnergy, Cons-
tant Temperature and Constant Pressure Ensembles in Molecular-Dynamics Si-
mulations of Atomic Liquids." Molecular Physics 51(5): 1243-1252.
[118] Carnahan, B., H. A. Luther, et al. (1969). Applied numerical methods. New York,,
Wiley.
[123] Costa, S. C., P.S. Pizani, et al. (2002). "Structural phase transformation in InSb:
[124] Costa, S. C., P. S. Pizani, et al. (2005). "Structural phase transition and dy-
namical properties of PbTIO3 simulated by molecular dynamics." Journal of
[139] Haile, J. »
et al. "On the structural and stability features
[125] Coura, P. Z., S. B. Legoas, (2004).
Nano York. Wile
of linear atomic suspended chains formed from gold nanowires stretching."
Letters 4(7): 1187-1191. [140] Hansen 11
R
Cal- Academx
[126] Daw, M.S. and M. I. Baskes (1983). "Semiempirical, Quantum-Mechanical
culation of Hydrogen Embrittlement in Metals." Physical Review Letters 50(17):
[141] Hirschíeides
1285-1288. ?
liquids.
Method Derivation
(1984). "Embedded-Atom
-
of
40(5): 2814
P. L. (1994). A first course in computational physics. New York, Wiley.
[129] DeVries,
[144] Kadau, KT
[130] Ebbsjo, L, R. K. Kalia, et al. (2000). "Topology amorphous gallium arsenide
of
billion atom
pore, Longm
the Morse Potential
[135] Girifalco, L. A. and V. G. Weizer (1959). "Application of
Function to Cubic Metals." Physical Review 114(3): 687-690. [149] Lebowitz, 1.1
York, Wiley.
[141] Hirschfelder, J. O., C. F. Curtiss, et al. (1965). Molecular theory of gases and
[144] Kadau, K., T. C. Germann, et al. (2006). "Molecular dynamics comes of age: 320
tu
billion atom simulation on BlueGene/L." International Journal of Modem Physics
Vida 1755-1761.
C17(12):
1b.
with Application to Machine Computations." Physical Review 153(1): 250-254.
Ensemble Via Continuous Dynamics." Journal of Chemical Physics 97(4): 2635- alloys: 44
2643. Chemical
[154] Martyna, G. J., M. E. Tuckerman, et al. (1996). ""Expliciat reversible integrators [168] Picinin. 4
for extended systems dynamics.” Molecular Physics 87: 1117. F-x(2) pha
770-775
[155] McQuarrie, D. A. (1976). Statistical Mechanics. New York, HArper Colins.
[169] Rahman 4
[170] Rapaport. |
[157] Metropolis, N. and S. Ulam (1949). "The Monte Carlo Method." Journal of the
Consid
American Statistical Association 44(247): 335-341.
3): 1598-774
[158] Morita, T. (1960). "Theory of Classical Fluids -
[159] Morse, P. M. (1929). "Diatomic Molecules According to the Wave Mechanics. II.
[172] Rapapom. I
Vibrational Levels." Phys. Rev. 34: 57-64.
Cambridge
[160] Nose, S. (1984). "A Molecular-Dynamics Method for Simulations in the Canoni-
[173] Ray. JT. E
cal Ensemble." Molecular Physics 52(2): 255-268.
Dynamics
[161] Nose, S. (1984). "A Unified Formulation of the Constant Temperature Molecular-
[174] Ray, 1. E
Dynamics Methods." Journal of Chemical Physics 81(1): 511-519.
Elastic-Com
a
[176] Rino, JP,
Molecular-Dynamics Study." Physical Review Letters 45(14): 1196-1199.
onsin AÁgs
Crystals -
(1983). The physics of superionic conductors and electrode materials. New York, [180] Squire. D. E
Plenum Press. and!
Theory
REFERÊNCIAS BIBLIOGRÁFICAS 189
a Molecular-Dynamics Study
Journal of Chemical Physics 89(12): 7542-7555.
[181] Stillinger, F. H. and T. A. Weber (1985). "Computer-Simulation of Local Order [195] Vashishta E
[185] Tersoff, J. (1988). "Empirical Interatomic Potential for Silicon with Improved
86(11): 6371.
Elastic Properties." Physical Review B 38(14): 9902-9905.
[200] Volz, S. G a
[186] Tersoff, J. (1988). "New Empirical-Approach for the Structure and Energy of
Covalent ductivity of sã
[189] Tsai, S. H., M. Krech, et al. (2004). "Symplectic integration methods in molecular
and spin dynamics simulations." Brazilian Journal of 384-391.
Physics 34(2A):
[203] Wang. F G =
[190] Tsaí, S. H., H. K. Lee, et al. (2005). "Molecular and spin dynamics simulations gorithm 10 cak
using modem integration methods." American Journal of 615-624.
Physics 73(7): 2053.
[191] Tuckerman, M., B. J. Beme, et al. (1992). "Reversible Multiple Time Scale [204] Wentzcovitch |
[192] van Duin, A.C. T., S. Dasgupta, et al. (2001). "ReaxFF: A reactive force field for
205] Yin. M T
hydrocarbons." Journal of Physical Chemistry A 105(41): 9396-9409. Transformar
[193] Vashishta, P., R. K. Kalia, et al. (2007). "Interaction for silicon 1004-1007
potential carbide:
A molecular dynamics study of elastic constants and vibrational of sta-
density
tes for crystalline and amorphous silicon carbide." Journal of Applied Physics
101(10): -.
41(17): 12197-12209.
[197] Verlet, L. (1964). "On Theory of Classical Fluids-3." Physica 30(1): 95-&.
[201] Voter, A. EF, F Montalenti, et al. (2002). "Extending the time scale in atomistic
[202] Wang, F. G. and D. P Landau (2001). "Determining the density of states for clas-
[203] Wang, F. G. and D. P Landau (2001). "Efficient, multiple-range random walk al-
Os computadores têm influenciado nossa vida diária praticamente desde seu nasci-
mento lá pelos idos de 1940. Atualmente, é impossível pensar em ciência ou tecnolo-
gia sem a ajuda dos computadores. Muito do que se faz em áreas tão aparentemente
diversas como previsão meteorológica, análise de cinética de reações bioquímicas ou
difusão de partículas em uma superfície condutora é o que denominamos: “Um expe-
rimento Computacional”. Um experimento computacional começa com a observação
de um fenômeno e a definição de um modelo adequado.
Quando resolvemos escrever este livro, pensamos principalmente em um texto com o
qual o leitor pudesse, imediatamente, “botar a mão na massa”, sem ter que se perder
em demonstrações exaustivas de existência ou de convergência de métodos.
Os capítulos que se referem às técnicas de simulação são recheados com exemplos e
partes de programas em FORTRAN, dos pontos chave. Os programas ou sub-rotinas
são escritos de maneira simples, às vezes não muito econômicas para não prejudicar
o entendimento do algoritmo.para descrevê-lo. O fenômeno de interesse pode estar
em qualquer área da ciência.
SBN 978-85-7861-203-0
a
[on po (
jP: o.
1,
f ER ARE