Students will understand the principles of molecular modeling and simulation in the frame of quantum and classical thermodynamics. They will master MC and MD simulation methods including determination of various quantities. The students will be able to devise a computer experiment.

Studenti budou:

• Rozumět základům molekulového modelování a simulací v kontextu kvantové i klasické statistické termodynamiky

• Umět se orientovat v simulačních metodách MD a MC vč. stanovení nejrůznějších veličin

• Provést vlastní simulaci, buď na základě vlastního kódu, nebo při použití simulačního balíku

D. Frenkel a B. Smit: Understanding Molecular Simulation (Academic Press, 1996, 2002);

M. P. Allen a D. J. Tildesley: Computer Simulation of Liquids (Clarendon Press, Oxford 1986, 2002);

I. Nezbeda, J. Kolafa a M. Kotrla: Úvod do počítačových simulací. Metody Monte Carlo a molekulární dynamiky, skriptum University Karlovy (Karolinum, Praha 1998, 2003);

D. Frenkel a B. Smit: Understanding Molecular Simulation (Academic Press, 1996, 2002);

M. P. Allen a D. J. Tildesley: Computer Simulation of Liquids (Clarendon Press, Oxford 1986, 2002);

http://www.vscht.cz/fch/cz/pomucky/kolafa/molsim.pdf

http://old.vscht.cz/fch/en/tools/kolafa/S403027.html

http://old.vscht.cz/fch/cz/pomucky/kolafa/N403027.html

1. Introduction - What are simulations good for?

2. Repetition of statistical thermodynamics and less common ensembles (isobaric).

3. Atomistic and lattice models. Force field.

4. Molecular dynamics: Verlet's method, leap-frog. Fundamentals of Hamilton's mechanics, conservation laws. Symplecticity.

5. Other integrators (Gear, multiple timestep). Thermostats in MD.

6. Monte Carlo Methods - MC integration, Metropolis method. Random numbers.

7. Methodology of simulations and measurement of quantities, statistical errors. Boundary conditions.

8. Structural quantities: radial distribution functions, structure factor.

9. Entropic quantities: thermodynamic integration, non-Boltzmann sampling, integration of mean force, Widom's method.

10. Potential range, cutoff corrections. Coulomb's forces: Ewald summation, reaction field.

11. Other ensembles: isobaric, grandkanonical, Gibbs. Additional degrees of freedom in MD: Nose-Hoover, barostat.

12. Other MC methods: preferential sampling, molecules, polymers. Constraint dynamics (SHAKE). Optimization of simulations.

13. Brownian (Langevin) dynamics and DPD. Kinetic quantities: EMD vs. NEMD.

14. Optimization: Simulated annealing, genetic algorithms.

1. Úvod - k čemu jsou simulace dobré?

2. Opakování statistické termodynamiky a méně obvyklé soubory (izobarický).

3. Atomistické a mřížkové modely. Silové pole.

4. Molekulová dynamika: Verletova metoda, leap-frog. Základy Hamiltonovy mechaniky, zákony zachování. Symplekticita.

5. Další integrátory (Gear, multiple timestep). Termostaty v MD.

6. Metody Monte Carlo - MC integrace, Metropolisova metoda. Náhodná čísla.

7. Metodika simulací a měření veličin, statistické chyby, okrajové podmínky.

8. Strukturní veličiny: radiální distribuční funkce, strukturní faktor.

9. Entropické veličiny: termodynamická integrace, neboltzmannovské vzorkování, integrace střední síly, Widomova metoda.

10. Dosah potenciálu, korekce. Coulombovy síly: Ewaldova sumace, metoda reakčního pole.

11. Další soubory: izobarický, grandkanonický, Gibbsův. Další stupně volnosti v MD: Nosé-Hoover, barostat.

12. Další MC metody: preferenční vzorkování, molekuly, polymery. Dynamika s vazbami (SHAKE). Optimalizace simulací.

13. Brownovská (Langevinovská) dynamika a DPD. Kinetické veličiny: EMD vs. NEMD.

14. Optimalizace: Simulované žíhání, genetické algoritmy.

Good knowledge of chemical and statistical thermodynamics, basic knowledge of theoretical mechanics

Dobrá znalost chemické a statistické termodynamiky, základní znalost teoretické mechaniky