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
- 运用python中装饰器方法来解决工作中为原有代码添加功能问题
Python 装饰器 在实际的工作中,经常碰到领导或产品经理会提出很多甚至(变态)的产品要求,作为python开发,好不容易完成领导的需求,做出一个产品,并且经过测试成功上线.突然有一天 ...
- js内置方法
数组: 1.push()数组最后添加元素,pop()数组删除最后一个: unshift()数组开头添加元素,shift()删除数字第一个: 注意:push()和unshift()可以添加 ...
- No.1.4
选择器进阶 [复合选择器]:后代选择器:空格 语法:选择器1 选择器2 {css} 子代选择器:> 语法:选择器1>选择器2 {css} [并集选择器]:, 语法:选择器1 , ...
- Qt中QGraphicsScene和QraphicsView显示坐标问题解决
相信打开这个界面的你,一定遇到了这两玩意儿设置完坐标发现对不上的问题...查询Qt官方文档后发现: 网上搜索了一番,基本上这个坐标系就是长酱紫: 所以加上这行代码就行了: ui->graphic ...
- calibredrv 对layer做操作
#clip.tclset L [layout create xxx.gds] $L create layer 10.0 $L create polygon 10.0 10 1000 1000 2000 ...
- MBR与GPT[转]
MBR分区 MBR的意思是"主引导记录",是IBM公司早年间提出的.它是存在于磁盘驱动器开始部分的一个特殊的启动扇区. 这个扇区包含了已安装的操作系统系统信息,并用一小段代码来启动 ...
- c++学习2 基础关键词
三 volatile强制访问内存 在一个变量的频繁使用中,系统为了提高效率,会自动将内存里面的数据放入CPU里的寄存器里.但在某些特殊场景下,放入寄存器这个操作反倒会导致CPU无法及时获取最新的一手数 ...
- scala中变量常量字符串使用
1.注释 scala注释使用与java完全一样: 2.变量和常量 (1).常量:在程序执行中,其值不会改变的变量: 基本语法:var 变量名称:变量类型 = 变量初始值 var num1:Int = ...
- Arthas 查询服务器内存数据
1.打开Arthas所在位置 eg:/home 2.java -jar arthas-boot.jar 运行jar包 3.选择要执行的java jar包 eg : 1 4.执行查看命令vmtool - ...
- 【LeetCode_15】——三数之和
今天做了力扣中的一道经典题:三数之和.这题思路倒是很快想到,调逻辑可把我调得够呛,这也正说明我的刷题思维远远不够,比起我室友半个月刷300多题的思维差远了...革命尚未成功,同志仍需努力. 原题链接: ...