7 Free Energies: 7.4 Umbrella Sampling Example
7.4 Umbrella Sampling Example
计算丙氨酸二肽 Phi/Psi 旋转的 PMF http://ambermd.org/tutorials/advanced/tutorial17/index.php
1) Generating and Relaxing the Initial Structure
2) Running the Umbrella Sampling Calculations
现在我们有了一个轻松的起始结构,计算的下一部分是在各个伞形窗口上运行 MD。 选择所需的窗口数量以及使用的约束大小有点像一门黑色艺术。 我们再次遇到一个问题,即理想的选择需要在计算之前知道解决方案。 选择窗口数量时要记住的关键点是端点必须重叠,即窗口 1 必须对窗口 2 中的一些构型进行采样。这本质上意味着我们不会因为选择太多窗口而出错,除非它也需要很多计算时间。 力常数同样必须足够大,以确保我们确实对我们想要的相空间子集进行采样,但又不能太强以至于我们使窗口太窄并阻止它们重叠。 通常,可以根据路径上的位置来改变窗口和约束的大小。 例如,如果我们在两个离子非常接近时观察它们的分离,在 VDW 半径内,我们将需要非常强的约束,因此需要大量的窗口。 然后随着距离的增加,我们可以使用越来越弱的约束,因此可以使用更宽的窗口。
在我们的示例中,我们将改变 C-N 键的角度从 0 到 180 度。 下图显示了我们将随 prmtop 文件中相应原子数变化的二面体(VMD 索引+1,因为 VMD 数从 0 开始)

作为第一个近似值,我们将使用间隔 3 度的伞窗。 这将使我们总共运行 61 次计算。 我们将使用 200 KCal/mol rad2 的力常数,它大于预期的势垒高度,它应该在 10 到 30 Kcal 的范围内,因此它应该足以确保我们对整个反应坐标进行采样,但不要太高 大到我们最终会得到不重叠的窗口。 完成这组初始计算后,我们将检查重叠,然后我们可以返回并通过额外的模拟填补任何空白。
我们在每个窗口中进行的模拟量需要能够收敛我们的采样。 因此,如果我们增加运行窗口的长度,则生成的采样角度直方图不会改变形状。 理想情况下,您希望运行初始模拟,然后计算 PMF,然后丢弃最后 20% 的数据并再次计算 PMF,看看它是否发生变化。 如果它没有变化,那么您的采样可能就足够了,如果它发生了明显的变化,那么您可能需要进行更多采样。
作为第一次尝试,我们将每个窗口运行 150 ps,我们将把前 50 ps 扔掉,只是为了放松。 因此,对于从 0 到 180 度的每个窗口,我们将执行以下操作:1)最小化(2000 步)2)松弛 MD(NPT 50ps,1fs 时间步)3)数据收集(NPT 100ps,1fs 时间步)
3) Constructing the PMF
7 Free Energies: 7.4 Umbrella Sampling Example的更多相关文章
- 图像抠图算法学习 - Shared Sampling for Real-Time Alpha Matting
一.序言 陆陆续续的如果累计起来,我估计至少有二十来位左右的朋友加我QQ,向我咨询有关抠图方面的算法,可惜的是,我对这方面之前一直是没有研究过的.除了利用和Photoshop中的魔棒一样的技术或者 ...
- 【转载】Recommendations with Thompson Sampling (Part II)
[原文链接:http://engineering.richrelevance.com/recommendations-thompson-sampling/.] [本文链接:http://www.cnb ...
- PRML读书会第十一章 Sampling Methods(MCMC, Markov Chain Monte Carlo,细致平稳条件,Metropolis-Hastings,Gibbs Sampling,Slice Sampling,Hamiltonian MCMC)
主讲人 网络上的尼采 (新浪微博: @Nietzsche_复杂网络机器学习) 网络上的尼采(813394698) 9:05:00 今天的主要内容:Markov Chain Monte Carlo,M ...
- 算法系列:Reservoir Sampling
copyright © 1900-2016, NORYES, All Rights Reserved. http://www.cnblogs.com/noryes/ 欢迎转载,请保留此版权声明. -- ...
- 随机采样方法整理与讲解(MCMC、Gibbs Sampling等)
本文是对参考资料中多篇关于sampling的内容进行总结+搬运,方便以后自己翻阅.其实参考资料中的资料写的比我好,大家可以看一下!好东西多分享!PRML的第11章也是sampling,有时间后面写到P ...
- LDA-math-MCMC 和 Gibbs Sampling
http://cos.name/2013/01/lda-math-mcmc-and-gibbs-sampling/ 3.1 随机模拟 随机模拟(或者统计模拟)方法有一个很酷的别名是蒙特卡罗方法(Mon ...
- 蒙特卡洛法计算定积分—Importance Sampling
如上图所示,计算区间[a b]上f(x)的积分即求曲线与X轴围成红色区域的面积.下面使用蒙特卡洛法计算区间[2 3]上的定积分:∫(x2+4*x*sin(x))dx # -*- coding: u ...
- 蓄水池采样算法(Reservoir Sampling)
蓄水池采样算法 问题描述分析 采样问题经常会被遇到,比如: 从 100000 份调查报告中抽取 1000 份进行统计. 从一本很厚的电话簿中抽取 1000 人进行姓氏统计. 从 Google 搜索 & ...
- Reservoir Sampling - 蓄水池抽样
问题起源于编程珠玑Column 12中的题目10,其描述如下: How could you select one of n objects at random, where you see the o ...
- [大牛翻译系列]Hadoop(7)MapReduce:抽样(Sampling)
4.3 抽样(Sampling) 用基于MapReduce的程序来处理TB级的数据集,要花费的时间可能是数以小时计.仅仅是优化代码是很难达到良好的效果. 在开发和调试代码的时候,没有必要处理整个数据集 ...
随机推荐
- ARC(Automatic Reference Counting)自动引用计数 unowned、weak 使用区别
自动引用计数 引用类型(类.函数.闭包) 当声明一个变量指向某个引用类型时 当前引用类型的引用计数就会加1 当变量不指向该类型时 引用类型就会 -1 当引用计数为0时 当前引用类型就会被系统回收 i ...
- CF1557总结
CF1557总结 Codeforces Round #737 (Div. 2) 先看了 A .意思是要把序列分成两个子序列,使得两序列各自平均值的和最小,输出最小值,要求 \(O(n)\) .想半天然 ...
- 宽字符集(unicode)操作函数 (转)
字符分类: 宽字符函数 普通C函数 描述 iswalnum() isalnum() 测试字符是否为数字或字母 iswalpha() isalpha() 测试字符是否是字母 iswcntrl() isc ...
- docker 搭建mysql主从复制环境(一主两从)
一主多从配置 服务器规划:使用docker方式创建,主从服务器IP一致,端口号不一致 主服务器:容器名docker-mysql-master,端口3306 从服务器:容器名docker-mysql-s ...
- Win10家庭版找不到组策略gpedit.msc怎么解决?
链接:https://pan.baidu.com/s/1SoSWCfHwZhD3tV4C7DcirA 提取码:okfm 1.下载文件 2.以管理员身份运行 3.
- 解决eclipse创建动态Web项目没有Web->Dynamic Web Project问题
有时候在eclipse新建Dynamic Web Project,File->New->Other->Web并没有发现Dynamic Web Project选项如下图:(那也不要慌解 ...
- 大唐电信AC集中管理平台弱口令漏洞
网络资产搜索: 找到平台 进行默认口令登入:admin/1***** 登陆 End!!!
- labuladong数据结构
缓存淘汰算法:LRU①.LFU② BST③ 完全二叉树④ 序列化和反序列化二叉树⑤ 最近公共祖先⑥ 单调栈⑦ 单调队列⑧ 递归反转链表⑨ k个一组反转链表
- MyBatis Plus 设置ID的自增 /非自增时遇到的问题
非自增时 自己设置ID 其他可参考------>主键策略的几种类型 https://blog.csdn.net/hxyascx/article/details/105401767
- linux 中的errno 和 strerror(errno)
1. errno.h 中包含 errno 这个错误保存值 string.h 包含 strerror() 函数 ,它的原型 是 char *strerror(int errnum); 输入值应该是err ...