Students will:

• Understand the principles of molecular modeling and simulation in the frame classical and quantum thermodynamics

• Have good overview of MC and MD simulation methods including determination of various quantities

• Be able to perform a simulation using a suitable package, optionally using own computer code

Studenti budou:

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

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

• Provést vlastní simulaci za použití vhodného simulčního balíku, příp. i na základě vlastního kódu

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

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

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

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

D: 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 is recommended.

Dobrá znalost chemické a statistické termodynamiky, vhodná je i základní znalost teoretické mechaniky