【技术实现步骤摘要】
本申请属于计算机领域，具体涉及一种分子动力学模拟方法、装置、电子设备及存储介质。
技术介绍
1、分子动力学(molecular dynamics，md)模拟是利用计算机根据第一性原理来模拟分子级别的微观体系，它在化学、生物、物理等领域都有非常重要的应用，例如：化学反应、材料设计、药物设计、相变模拟等，是连通基础研究与应用的桥梁。由于分子动力学模拟需要大量的计算资源，许多高性能超级计算机都被用于该方面的任务，因此高效的分子动力学模拟计算方法将能够促进上述领域和应用的发展。
2、分子动力学模拟计算的核心问题是需要建立有效的原子之间相互作用模型，要兼顾计算精度与计算效率，传统的科学计算方法有从第一性原理出发的密度泛函理论：其特点是计算精度高，模拟规模小，一般在102～103的原子数目量级。还有一种方法就是采用力场模型，例如lennard-jones力场(是一种描述原子之间相互作用的势能模型)等，该方法计算精度有所下降，但计算规模有提升，原子数目可以达到105～106级别，但对于大规模体系模拟来说仍然存在计算瓶颈。
技术实现思路
1、鉴于此，本申请的目的在于提供一种分子动力学模拟方法、装置、电子设备及存储介质，以提高分子动力学模拟的计算效率和规模。
2、本申请的实施例是这样实现的：
3、第一方面，本申请实施例提供了一种分子动力学模拟方法，包括：获取待模拟分子的基本数据以及系统模拟参数，其中，所述基本数据包括对象种类、对象初始位置；所述系统模拟参数用于确定
4、在本申请实施例中，通过获取待模拟分子的基本数据以及系统模拟参数，利用神经网络力场模型模拟得到分子能量和每个对象的受力信息，之后根据每个对象的受力信息以及系统模拟参数，模拟出每个对象的对象位置，得到每个对象的运动轨迹。通过训练神经网络来学习表示力场模型，将神经网络力场模型融合到传统分子模拟软件中，有效利用现有的计算软件实现在gpu/gpgpu上进行高效的分子动力学模拟，从而实现计算效率和规模的提升；同时可以不断更新先进的神经网络力场模型，方便用户的使用和开发，在能够实现较好的计算精度的同时，可以提高计算规模和效率。
5、结合第一方面实施例的一种可能的实施方式，根据每个对象的受力信息以及所述系统模拟参数，模拟出每个对象的对象位置，包括：针对每一个对象，根据对象的受力信息以及所述系统模拟参数中的初始运动速度、时间步长，模拟出第i时刻的对象位置；i依次取1至n-1，n为最大迭代次数；获取第i时刻的对象位置与上一次更新受力信息时的对象位置的位置变化量以及获取第i时刻对象的运动速度；在所述位置变化量小于所述系统模拟参数中的预设阈值时，根据对象的受力信息以及所述第i时刻的运动速度、时间步长，模拟出第i+1时刻的对象位置，直至达到所述系统模拟参数中的停止条件，得到每个对象的运动轨迹。
6、在本申请实施例中，每计算一次对象位置后，都会获取当前对象位置与上一次更新受力信息时的对象位置的位置变化量，以此来判断是否需要进行力场(f)更新计算，在位置变化量小于系统模拟参数中的预设阈值时，继续以原受力信息进行后续的对象位置计算，相比于每计算一次对象位置后，就更新力场，可以有效减少力场更新次数，提高计算效率。
7、结合第一方面实施例的一种可能的实施方式，在所述位置变化量不小于所述系统模拟参数中的预设阈值时，基于预设的神经网络力场模型，模拟第i个时刻对象的新受力信息以及新分子能量；基于第i个时刻对象的新受力信息以及所述第i时刻的运动速度、时间步长，模拟出第i+1时刻的对象位置，直至达到所述系统模拟参数中的停止条件，得到每个对象的运动轨迹。
8、在本申请实施例中，只有位置变化量不小于系统模拟参数中的预设阈值时，才基于预设的神经网络力场模型进行受力信息的更新，之后基于更新后的新受力信息计算下一时刻的对象位置，这样可以更灵活有效的控制力场更新计算的频次，平衡计算精度和计算效率。
9、结合第一方面实施例的一种可能的实施方式，根据对象的受力信息以及所述系统模拟参数中的初始运动速度、时间步长，模拟出第i时刻的对象位置，包括：根据第i-1时刻对象的受力信息确定出对应的加速度；根据所述加速度、第i-1时刻的对象位置，第i-1时刻的运动速度、时间步长，模拟出第i时刻的对象位置。
10、在本申请实施例中，根据第i-1时刻对象的受力信息确定出对应的加速度，根据所述加速度、第i-1时刻的对象位置，第i-1时刻的运动速度、时间步长，便可快速准确模拟出第i时刻的对象位置，并且在更新对象位置时，会同时考虑加速度、前一时刻的对象位置以及运动速度，这样可以提高模拟的准确性。
11、结合第一方面实施例的一种可能的实施方式，获取第i时刻对象的运动速度，包括：根据第i-1时刻对象的运动速度、时间步长和第i-1时刻的加速度以及第i时刻的加速度，获取第i时刻对象的运动速度。
12、在本申请实施例中，根据第i-1时刻对象的运动速度、时间步长和第i-1时刻的加速度以及第i时刻的加速度，便可获取第i时刻对象的运动速度，这样便可获取每一时刻的运动速度，确保模拟的准确性。
13、结合第一方面实施例的一种可能的实施方式，获取待模拟分子的基本数据，包括：对获取的待模拟分子进行粗粒化处理；获取粗粒化处理后的待模拟分子的基本数据，所述基本数据包括：骨架粒子种类、骨架粒子初始位置。
14、在本申请实施例中，通过对待模拟分子进行粗粒化处理，可以减少原子数量，进而可以通过降低模拟精度，来提高模拟效率。
15、结合第一方面实施例的一种可能的实施方式，所述方法还包括：获取与分子动力相关的预训练数据，所述预训练数据包括：分子能量、构成分子的对象种类、对象初始位置、对象受力情况；利用所述预训练数据训练神经网络力场模型，得到训练好的神经网络力场模型。
16、在本申请实施例中，通过获取包括分子能量e、构成分子的对象种类z、对象初始位置r、对象受力情况f的预训练数据，以来训练训练神经网络力场模型，使其学习从{r，z}到{e，f}的映射关系，使得后续可以用于分子动力学的高效模拟，从而提高分子动力学模拟的计算效率和规模。
17、第二方面，本申请实施例还提供了一种分子动力学模拟装置，包括：获取模块、模拟模块以及输出模块；获取模块，用于获取待模拟分子的基本数据以及系统模拟参数，其中，所述基本数据包括对象种类、对象初始位置；所述系统模拟参数用于确定模拟过程中所需的参数；模拟模块，用于基于所述待模拟分子的基本数据、预设的神经网络力场模型，模拟得到分本文档来自技高网...
【技术保护点】
1.一种分子动力学模拟方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据每个对象的受力信息以及所述系统模拟参数，模拟出每个对象的对象位置，包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，根据对象的受力信息以及所述系统模拟参数中的初始运动速度、时间步长，模拟出第i时刻的对象位置，包括：
5.根据权利要求4所述的方法，其特征在于，获取第i时刻对象的运动速度，包括：
6.根据权利要求1所述的方法，其特征在于，获取待模拟分子的基本数据，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种分子动力学模拟装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器运行时，执行如权利要求1-7中任一项所述的方法。
【技术特征摘要】
1.一种分子动力学模拟方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据每个对象的受力信息以及所述系统模拟参数，模拟出每个对象的对象位置，包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，根据对象的受力信息以及所述系统模拟参数中的初始运动速度、时间步长，模拟出第i时刻的对象位置，包括：
5.根据权利要求4所述的方法，其特征在...
【专利技术属性】
技术研发人员：戴辉，
申请(专利权)人：上海芷锐电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。