技术背景

在前面的几篇博客中，我们分别介绍过Histogram算法的使用、Plumed安装与简单使用。Plumed一般就是两种用法：要么在运行分子动力学模拟的过程中实时的对接，要么就是把分子模拟的相关轨迹保存下来，然后再使用Plumed进行后分析，本文介绍的是后面这种使用方法。

轨迹准备

做后分析，我们要先准备一手轨迹。比如我们做Histogram，那么就需要保留一条CV的轨迹，或者说反应坐标的轨迹。一般为了归一化的需求，我们可能还需要保留反应坐标所对应的单点能，或者称之为Bias偏置势。如下是一条轨迹的示例record_cv_bias.txt，含有100个点：

#! FIELDS time rbias dcomb

0 1.0 0.722307

1 1.0 0.929853

2 1.0 1.046353

3 1.0 0.849326

4 1.0 0.635665

5 1.0 1.133585

6 1.0 1.602735

7 1.0 1.11138

8 1.0 0.815045

9 1.0 0.744088

10 1.0 0.631533

11 1.0 1.006049

12 1.0 0.507855

13 1.0 0.620414

14 1.0 1.43557

15 1.0 0.798832

16 1.0 1.007135

17 1.0 0.684447

18 1.0 1.073844

19 1.0 0.952023

20 1.0 0.754293

21 1.0 0.530406

22 1.0 1.078594

23 1.0 1.325044

24 1.0 1.418314

25 1.0 1.110357

26 1.0 0.964378

27 1.0 0.893131

28 1.0 1.473515

29 1.0 1.103729

30 1.0 1.019812

31 1.0 1.037889

32 1.0 1.092906

33 1.0 0.602312

34 1.0 1.016394

35 1.0 0.845226

36 1.0 1.210281

37 1.0 0.744589

38 1.0 0.666467

39 1.0 1.276913

40 1.0 0.976801

41 1.0 0.92263

42 1.0 1.386575

43 1.0 1.243241

44 1.0 1.442755

45 1.0 1.284636

46 1.0 0.756184

47 1.0 1.162758

48 1.0 1.177665

49 1.0 0.717487

50 1.0 1.193379

51 1.0 0.798996

52 1.0 1.045093

53 1.0 1.489541

54 1.0 1.067574

55 1.0 1.10109

56 1.0 1.135074

57 1.0 1.049557

58 1.0 0.362635

59 1.0 1.030856

60 1.0 1.323538

61 1.0 1.405822

62 1.0 0.935292

63 1.0 0.868032

64 1.0 0.946401

65 1.0 1.468123

66 1.0 1.062565

67 1.0 1.05637

68 1.0 0.962974

69 1.0 1.50403

70 1.0 0.95933

71 1.0 1.218142

72 1.0 1.303102

73 1.0 0.876645

74 1.0 1.188313

75 1.0 1.31572

76 1.0 0.693456

77 1.0 0.54377

78 1.0 1.026873

79 1.0 1.3925

80 1.0 1.317733

81 1.0 0.972162

82 1.0 1.373311

83 1.0 1.244547

84 1.0 1.00565

85 1.0 1.180062

86 1.0 1.221193

87 1.0 1.046702

88 1.0 1.409161

89 1.0 1.132955

90 1.0 0.428334

91 1.0 0.890674

92 1.0 0.63586

93 1.0 0.997099

94 1.0 0.969676

95 1.0 1.280118

96 1.0 1.19793

97 1.0 1.112535

98 1.0 1.388056

99 1.0 0.946911

有了轨迹之后，写一个简单的Plumed配置文件plumed.dat：

cv: READ FILE=record_cv_bias.txt VALUES=dcomb IGNORE_TIME

w: READ FILE=record_cv_bias.txt VALUES=rbias IGNORE_TIME

rw: REWEIGHT_BIAS ARG=w TEMP=300

hh: HISTOGRAM ...

   ARG=cv

   KERNEL=gaussian

   GRID_MIN=0.3

   GRID_MAX=1.65

   GRID_BIN=50

   BANDWIDTH=0.05

   NORMALIZATION=true

   LOGWEIGHTS=rw

...

DUMPGRID GRID=hh FILE=histo

这个文件的逐行释义为：

1. 读取record_cv_bias.txt文件中标签为dcomb的一列，作为cv

2. 读取record_cv_bias.txt文件中标签为rbias的一列，作为w

3. 使用w定义一个归一化的系数rw，对应的温度为300K

4~13. 定义Histogram参数，使用高斯核，区间最小值为0.3，区间最大值为1.65，区间内分50个格子，波包带宽为0.05，使用rw进行归一化

14. 将输出数据保存到名为histo的文件内

运行Plumed

安装好plumed以后，之间在对应文件的目录下运行：

$ plumed driver --plumed plumed.dat --noatoms

PLUMED: PLUMED is starting

PLUMED: Version: 2.7.1 (git: Unknown) compiled on Jul 12 2021 at 09:24:30

PLUMED: Please cite these papers when using PLUMED [1][2]

PLUMED: For further information see the PLUMED web page at http://www.plumed.org

PLUMED: Root: /usr/local/lib/plumed

PLUMED: For installed feature, see /usr/local/lib/plumed/src/config/config.txt

PLUMED: Molecular dynamics engine: driver

PLUMED: Precision of reals: 8

PLUMED: Running over 1 node

PLUMED: Number of threads: 1

PLUMED: Cache line size: 512

PLUMED: Number of atoms: 0

PLUMED: File suffix:

PLUMED: FILE: plumed.dat

PLUMED: Action READ

PLUMED:   with label cv

PLUMED:   with stride 1

PLUMED:   reading data from file record_cv_bias.txt

PLUMED:   reading value dcomb and storing as cv

PLUMED: Action READ

PLUMED:   with label w

PLUMED:   with stride 1

PLUMED:   reading data from file record_cv_bias.txt

PLUMED:   reading value rbias and storing as w

PLUMED: Action REWEIGHT_BIAS

PLUMED:   with label rw

PLUMED:   with arguments w

PLUMED: Action HISTOGRAM

PLUMED:   with label hh

PLUMED:   with stride 1

PLUMED:   with arguments cv

PLUMED:   reweighting using weights from rw

PLUMED:   grid of 51 equally spaced points between (0.3) and (1.65)

PLUMED: Action DUMPGRID

PLUMED:   with label @4

PLUMED:   with stride 0

PLUMED:   outputting grid calculated by action hh to file named histo with format %f

PLUMED:   outputting data for replicas 0 END FILE: plumed.dat

PLUMED: Timestep: 1.000000

PLUMED: KbT has not been set by the MD engine

PLUMED: It should be set by hand where needed

PLUMED: Relevant bibliography:

PLUMED:   [1] The PLUMED consortium, Nat. Methods 16, 670 (2019)

PLUMED:   [2] Tribello, Bonomi, Branduardi, Camilloni, and Bussi, Comput. Phys. Commun. 185, 604 (2014)

PLUMED: Please read and cite where appropriate!

PLUMED: Finished setup

PLUMED:                                               Cycles        Total      Average      Minimum      Maximum

PLUMED:                                                    1     0.007538     0.007538     0.007538     0.007538

PLUMED: 1 Prepare dependencies                            99     0.000267     0.000003     0.000002     0.000008

PLUMED: 2 Sharing data                                    99     0.000007     0.000000     0.000000     0.000000

PLUMED: 3 Waiting for data                                99     0.000010     0.000000     0.000000     0.000000

PLUMED: 4 Calculating (forward loop)                      99     0.001478     0.000015     0.000014     0.000057

PLUMED: 5 Applying (backward loop)                        99     0.000130     0.000001     0.000001     0.000003

PLUMED: 6 Update                                          99     0.003019     0.000030     0.000014     0.000093

运行完成后，如果没有报错，会在当前目录下生成一个histo文件，内容为：

#! FIELDS cv hh dhh_cv

#! SET normalisation  146.331611

#! SET min_cv 0.3

#! SET max_cv 1.65

#! SET nbins_cv  50

#! SET periodic_cv false

 0.300000 0.040185 1.087032

 0.327000 0.073737 1.333674

 0.354000 0.108112 1.138788

 0.381000 0.132720 0.673529

 0.408000 0.146143 0.387485

 0.435000 0.158725 0.647624

 0.462000 0.185775 1.399849

 0.489000 0.233253 2.034814

 0.516000 0.290241 2.109999

 0.543000 0.347304 2.200385

 0.570000 0.415370 2.931229

 0.597000 0.504292 3.503145

 0.624000 0.592054 2.763309

 0.651000 0.645747 1.208607

 0.678000 0.663637 0.297321

 0.705000 0.670123 0.268624

 0.732000 0.677724 0.233552

 0.759000 0.679871 -0.077180

 0.786000 0.677381 0.020735

 0.813000 0.688778 0.956408

 0.840000 0.733653 2.431984

 0.867000 0.822586 4.209499

 0.894000 0.963284 6.230239

 0.921000 1.155414 7.841243

 0.948000 1.373556 8.056159

 0.975000 1.575612 6.691082

 1.002000 1.725112 4.227284

 1.029000 1.795526 0.856452

 1.056000 1.767797 -2.871105

 1.083000 1.648824 -5.650900

 1.110000 1.480563 -6.442901

 1.137000 1.318483 -5.309715

 1.164000 1.198476 -3.600376

 1.191000 1.115220 -2.744803

 1.218000 1.043134 -2.600741

 1.245000 0.977289 -2.155749

 1.272000 0.928752 -1.443136

 1.299000 0.894999 -1.109955

 1.326000 0.868484 -0.743408

 1.353000 0.859332 0.120417

 1.380000 0.869809 0.444883

 1.407000 0.867177 -0.906627

 1.434000 0.811246 -3.257711

 1.461000 0.694147 -5.274589

 1.488000 0.536089 -6.215685

 1.515000 0.370839 -5.747150

 1.542000 0.236681 -4.040289

 1.569000 0.154469 -2.128090

 1.596000 0.112702 -1.142470

 1.623000 0.083908 -1.071380

 1.650000 0.053970 -1.101246

这个结果的三列数据分别为：cv值、密度值和标准差，对于我们而言，主要关注下前两列的结果即可，可以写一个Python脚本做一下简单的可视化：

import numpy as np

with open('histo', 'r') as hfile:

    hlines = hfile.readlines()

hcv = []

hbar = []

for hline in hlines[6:]:

    hcv.append(float(hline.strip().split()[0]))

    hbar.append(float(hline.strip().split()[1]))

hcv = np.array(hcv)

hbar = np.array(hbar)

from matplotlib import pyplot as plt

plt.figure()

plt.plot(hcv, hbar, color='black')

plt.show()

输出结果为：

总结概要

Plumed是一个强大的分子模拟数据处理工具，可以在模拟的过程中逐步分析，也可以保存模拟的轨迹做后分析。本文紧接前面的“增强采样软件PLUMED的安装与使用”文章，还有“直方图与核密度估计”文章。介绍了如何使用Plumed后分析工具，对输出的反应坐标的轨迹进行核密度估计。

版权声明

本文首发链接为：https://www.cnblogs.com/dechinphy/p/plumed-post.html

作者ID：DechinPhy

更多原著文章：https://www.cnblogs.com/dechinphy/

请博主喝咖啡：https://www.cnblogs.com/dechinphy/gallery/image/379634.html

Plumed分子模拟后分析的更多相关文章

团队作业10--事后分析（Beta版本）
设想和目标 1. 我们的软件要解决什么问题?是否定义得很清楚?是否对典型用户和典型场景有清晰的描述? 我们的软件的作用是帮助用户实现准确快速的电子文档查重,我们对软件的定义是电子文档查重系统,即通过文 ...
(Beta)Let's-M2后分析报告
设想和目标 1. 我们的软件要解决什么问题?是否定义得很清楚?是否对典型用户和典型场景有清晰的描述? 在M1阶段我们对用户需求进行了调研,同时M1阶段我们的开发目标就是为了解决用户发起.参与.查看.搜 ...
(Alpha)Let's-M1后分析报告
Chronos团队Let's项目 Postmortem结果设想和目标 1. 我们的软件要解决什么问题?是否定义得很清楚?是否对典型用户和典型场景有清晰的描述? 在最初的用户需求和市场调研方面,团队进 ...
Eclipse被卡死了或者失去响应了后分析根源的一个小技巧
提升程序员工作效率的工具/技巧推荐系列推荐一个功能强大的文件搜索工具SearchMyFiles 介绍一个好用的免费流程图和UML绘制软件-Diagram Designer 介绍Windows任务管理 ...
linux从head.s到start_kernelstart_kernel之---内核重定位后分析
参考: https://biscuitos.github.io/blog/ARM-BOOT/ zImage 重定位之后实践 zImage 重定位之后,ARM 将 pc 指针指向了重定位 zImage ...
Android事件分发机制浅谈（三）--源码分析（View篇）
写事件分发源码分析的时候很纠结,网上的许多博文都是先分析的View,后分析ViewGroup.因为我一开始理解的时候是按我的流程图往下走的,感觉方向很对,单是具体分析的时候总是磕磕绊绊的,老要跳到Vi ...
Virus.Win32.Virlock.b分析
0x00 样本说明分析样本是被0b500d25f645c0b25532c1e3c9741667的样本感染得到.感染前的文件是Tcpview.exe,一款windows网络连接查看工具. 感染前后文件 ...
高性能Linux服务器第10章基于Linux服务器的性能分析与优化
高性能Linux服务器第10章基于Linux服务器的性能分析与优化作为一名Linux系统管理员,最主要的工作是优化系统配置,使应用在系统上以最优的状态运行.但硬件问题.软件问题.网络环境等 ...
Cppcheck代码分析（1）
一.检查点 1.自动变量检查: 返回自动变量(局部变量)指针 2.越界检查: 数组越界返回自动变量(局部变量)指针 3.类检查: 构造函数初始化 4.内存泄露检查: 5.空指针检查: 6.废弃函数检查 ...
Java 生产者消费者模式详细分析
*/ .hljs { display: block; overflow-x: auto; padding: 0.5em; color: #333; background: #f8f8f8; } .hl ...

随机推荐

archlinux xfce未中文化 goldendict不能显示中文
下载个中文字体包就好了 https://wiki.archlinuxcn.org/wiki/简体中文本地化
N次剩余小记
前言上周在 51nod 交了一些3.4级的题目,然后发现没有写过1级题, 就找到了一道 51nod 1014 \(X^2 \bmod P\) 的题目,当然这题虽然是暴力,但也可以用二次剩余做. 我就 ...
#状压dp#洛谷 3959 [NOIP2017 提高组] 宝藏
题目选定一个起点 \(S\),找到一棵生成树,最小化 \[\sum_{i=1}^n dep_i\times dis_i \] \(n\leq 12\) 分析设 \(dp[d][S]\) 表示当前树 ...
R语言学习3：数据框处理(1)
本系列是一个新的系列,在此系列中,我将和大家共同学习R语言.由于我对R语言的了解也甚少,所以本系列更多以一个学习者的视角来完成. 参考教材:<R语言实战>第二版(Robert I.Kaba ...
树模型-C4.5
C4.5: ID3的改进版本首先,C4.5和ID3一样都是多叉树,重点是连续特征处理+特征选择的方式不同. ID3算法存在的不足, 在C4.5里面有了改进有那些改进不能处理连续特征的问题 C4. ...
linux 性能自我学习 ———— cpu 快速定位问题 [六]
前言主要介绍一下cpu如何快速定位问题. 正文 cpu 的一些性能指标: 1. cpu 使用率 cpu 使用率描述了非空闲时间占总cpu时间的百分比,根据cpu上运行任务的不同,又被分为用户cpu. ...
android android7以上无法连接蓝牙
前言在开发android 蓝牙的时候,发现一个问题,那就是android7无法连接上蓝牙. 原因  <uses-permission andro ...
redis 简单整理——redis shell[九]
前言简单介绍一下redis的shell命令. 正文 redis 提供了一些工具,如redis-cli.redis-server.redis-benchmark等. redis-cli -r 对red ...
重新点亮linux 命令树————内存与文件系统的查看[二十七]
前言简单介绍一下内存的查看. 正文常用命令. free top 查看磁盘使用率: fdisk df du du和ls的区别 free -h 查看内存使用率: free -g 显示按G来显示,-m用 ...
docker搭建kafka集群实践
前言本文主要介绍了如何通过docker搭建一个可以用于生产环境的kafka集群. kafka集群使用了3个节点,依赖zookeeper进行协调,所以会同时搭建一套3节点的zookeeper集群. 准 ...

Plumed分子模拟后分析