| 簡介： |
|
高分子具有典型的大分子量及慢松弛特征，因此很難利用常規全原子分子動力學模擬方法處理與長距離大分子遷移相關的問題。粗粒化及增強抽樣方法提供了在更大時空尺度解決高分子問題的兩種可能方案。在粗粒化模擬中，可以利用擬合高分子熔體結構的辦法獲取特定高分子體系的有效相互作用勢，也可以利用高分子熔體或溶液熱力學性質估算粗粒化模擬中的參數。聚合反應在粗粒化模擬中可以被認為是一種隨機事件，因此可以利用隨機反應模型有效地將兩個時間尺度上的行為耦合在一起。積分溫度抽樣方法能夠在一條模擬軌跡中混合不同溫度的信息，非常適合目前GPU卡的計算架構，從而能夠高效地實現增強抽樣，獲取真正的平衡態高分子結構信息。結合粗粒化及增強抽樣方法，應當可以更好地解決高分子體系典型的鏈結構轉變以及有序結構形成和演化等問題。 |
|
